计算机工程与应用

2022, v.58;No.1013(22) 297-304

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

自注意力机制改进U-Net网络的强积冰云层预测
Prediction of Strong Cumulus Clouds by Improved U-Net Network and Self-Attention Mechanism

翟辰飞;董文瀚;张晓敏;李大东;陈晓军;

摘要(Abstract):

针对传统时空序列的雷达回波外推方法易出现低层信息及强回波区信息丢失的问题,提出了一种适用于任意尺寸特征图输入的新型GC-ResUNet网络预测模型。模型主框架采用U-Net神经网络解决了低层信息丢失的问题,同时引入GCNet自注意力机制解决了强回波区特征丢失的问题。以2018—2020年间沿海雷达回波拼图为数据样本,以临界成功指数、探测率、虚警率为评价标准进行实验。仿真结果表明,该模型对于未来1 h内的中低强度回波的预测成功率相比于传统光流法提升20%左右,对于强回波的预测成功率提升33%~70%。

关键词(KeyWords): GC-ResUNet;雷达回波外推;自注意力机制;积冰云层预测;时空序列预测

Abstract:

Keywords:

基金项目(Foundation):

作者(Authors): 翟辰飞;董文瀚;张晓敏;李大东;陈晓军;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享