基于循环神经网络改进雷达定量估测强降水

为了解决天气雷达传统定量估测强降水有较大偏差的问题,基于循环神经网络(recurrent neural network,RNN)模型,提出了一种有效的雷达估测强降水方法。基于对降水演变规律的认识,重新设计RNN结构,实现了对前3个时次雨量计降水的耦合,从而改善天气雷达估测强降水的效果。利用连续观测的雷达资料,结合前3个时次雨量计对地面降水量进行估测,解决了利用Z-R关系估测强降水时存在较大偏差的问题。利用2015年夏季降水测试数据集进行验证,并与滚动法建立的Z-R关系方法进行了对比,结果表明,在≥30 mm/h的强降水下,RNN估测降水方法相比Z-R关系方法的均方根误差(root mean square error,RMSE)降低了24.28%,中位绝对误差(median absolute error,Median AE)降低了32.83%。因此,循环神经网络估测降水方法对于定量估测强降水效果显著,具有业务应用价值。