多时段、多近邻处理的网格化气象预报神经网络模型研究与应用

为研究建立网格化气象预报神经网络模型,对人工智能网格化气象预报可能涉及的气象数据特征进行了讨论,提出采用“多时段、多近邻模式”进行人工智能网格化气象预报的方法;以雷电临近预警预报的神经网络模型研究为例,对该方法进行实例检验:选取闪电、雷达组合反射率、液态水含量、回波顶高等参数,经处理后得到1296个输入维度的神经网络模型。该模型以福建省2016年、2017年历史闪电数据进行训练,测试集准确率最终维持在95%左右;使用福建省2018年5~8月的数据对模型的准确率进行了检验,相比常规预报算法准确率提高了13.9%。结果表明,应用“多时段、多近邻模式”处理网格化气象预报大类别量输出的思路是可行的。