[发明专利]基于卷积神经网络的闪电频数预报方法

权利要求书

1.基于卷积神经网络的闪电频数预报方法，其特征在于包括如下步骤：

A：建立模型；B：训练模型；C：进行预报；

其中所述的步骤A中包括：

A1：使用中尺度气象模式WRF形成的预报时刻的预报结果，从中提取影响闪电发生的物理量；

A2：获取预报时刻前3个小时的闪电观测资料；

A3：将A1中得到的影响闪电发生的物理量及A2中的闪电观测资料一并作为卷积神经网络模型的输入层；

A4:构建卷积模型，模型包含5个卷积层，每层的神经元数量分别为128、64、32、16、1，其中在第四层神经元中添加Dropout层；

所述的步骤B中包括：

使用A3中的输入层进行卷积操作，输出层为预报时刻未来1小时的闪电频数，完成模型训练过程；

所述的步骤C中包括：

C1：获取最新的中尺度气象模式WRF形成的预报结果；

C2：获取预报时刻前3个小时的闪电观测资料；

C3：将C1中的预报结果和C2中的闪电观测资料一并作为卷积神经网络模型的输入层，使用该输入层输入至训练好的模型中，此时的输出层则为预报时刻未来1小时的闪电频数。

2.根据权利要求1所述的基于卷积神经网络的闪电频数预报方法，其特征在于：对所述的A2中的闪电观测资料进行加密处理，加密处理的方法为：将闪电发生位置30km范围内均认为发生了闪电。

3.根据权利要求1所述的基于卷积神经网络的闪电频数预报方法，其特征在于：所述的步骤B中进行卷积操作时，对边界进行填充并不使用池化操作。

4.根据权利要求1所述的基于卷积神经网络的闪电频数预报方法，其特征在于：所述的A1中的影响闪电发生的物理量包括：对流有效位能、风暴螺旋度、水汽混合比、云水混合比、雨水混合比、冰混合比、雪混合比、霰混合比、最大垂直速度、雷达最大回波、6 km 高度雷达回波、9 km高度雷达回波、累计格点降水、预报时刻过去3小时逐小时的闪电频数。

5.根据权利要求1所述的基于卷积神经网络的闪电频数预报方法，其特征在于：所述的A4中的卷积模型，每层网络的卷积核维度与输入变量一致。