| 论文题目: | 基于卡尔曼“估计-校正”循环网络的暴雨临近预测 |
|---|---|
| 第一作者: | 刘杰, 张彤, 王培晓, 韩士元, 冷亮, 肖艳姣 |
| 联系作者: | |
| 发表年度: | 2025 |
| 摘 要: | 【目的】精确的暴雨临近预测在防灾减灾、工农业生产和交通运输等多方面起着重要作用,对于保障社会经济发展与人民财产安全具有十分重要的意义。然而现有暴雨智能预测方法没有充分考虑暴雨过程、观测以及建模等环节的不确定性问题,阻碍了预测准确性和稳定性的提升。【方法】本文提出基于卡尔曼“估计-校正”循环网络的暴雨临近预测方法,在个别变化理论约束下估计气象状态,并在卡尔曼滤波的指导下依据估计误差进行气象状态校正,以实现准确和可靠的暴雨预测。所提“估计-校正”网络包括个别变化约束的深度状态估计和估计误差指导的气象状态校正2个核心单元;前者根据历史气象状态估计下一时间步的气象状态及误差;后者根据估计误差和观测误差进行气象状态的校正;二者共同提升暴雨预测精度和稳定性。【结果】在ERA5和NCEP数据集上的实验证明,所提方法的暴雨预测准确性指标CSI比所对比的基线方法提升了5%,并以稳定性指标SPREAD≈0.5的成绩取得了良好稳定性。【结论】验证了在深度学习中融合滤波理论缓解不确定性问题的可行性。 |
| 英文摘要: | |
| 刊物名称: | 地球信息科学学报 |
| 全文链接: | |
| 论文类别: | CSCD |