[发明专利]基于卷积神经网络的闪电频数预报方法

说明书

本发明涉及闪电频数预报技术，具体涉及基于卷积神经网络的闪电频数预报方法，包括如下步骤：A：建立模型；B：训练模型；C：进行预报；使用中尺度气象模式WRF对预报时刻物理量的预报结果和预报时刻过去3小时的闪电观测资料，使用卷积神经网络方法提取特征，训练模型并进行预报，改进闪电的频数预报，使用卷积神经网络算法对于高时空分辨率的闪电频数有较好的预报效果，同时具有用时短、自适应性较强等优点，预报评分显著提高，取代了传统预报闪电发生概率的方法，可应用在电力、交通、森林防火等多个方面，为人类生产生活提供了有效保障。

技术领域

本发明涉及闪电频数预报技术，具体涉及基于卷积神经网络的闪电频数预报方法。

背景技术

闪电是一种通常发生在雷暴天气期间的突然的静电放电现象。这种放电主要发生在云间或云与地面之间，造成较多的财产损失和人员伤亡。提高闪电预报的精度是当前气象工作的重点和难点。

利用全球闪电定位网，根据闪电所产生的声、光、电等特性，可以长时间、全天候的获得闪电发生的时间、地点、强度、极性等特征，是开展闪电的研究和预报的基础，同时在灾害性天气的监测预警、人工增雨、森林防火等方面具有参考意义。 闪电预报的思路是利用闪电定位资料、历史再分析资料、探空资料等数据，尝试寻找导致闪电发生的影响因子，根据我国不同地区、不同天气条件下的天气背景，对闪电进行预报。这些影响因子有对流抑制指数（CIN），对流有效位能（CAPE）[Stefanescu et al., 2013]，全总指数（TT）[Miller etal.，1970]。Zepka et al. [2013] 利用WRF模型，采用不同的对流和微物理方案，对12个雷暴案例进行了短期预测。通过统计评估得出，最能描述巴西东南部闪电活动的对流参数化方案是Grell-Devenyi和Thompson方案的组合。王振会等[2012] 使用雷达观测资料，利用电场幅值阂值和差分阂值的方法，提出了一种新的雷电临近预报方法。可以直观的显示闪电发生情况，并对潜在发生区域进行预警，取得了较好的预警效果。张霞等[2010]计算了多个环境参数，探讨了与闪电发生的相关性，得到的闪电概率潜势预报方程通过了显著性检验，TS评分达到63%，对闪电的预警提供了客观的参考依据。

随着业务化要求的不断提高，高时空分辨率的闪电频数预报逐渐热门。WANG etal. [2010]利用GRAPES模式，建立了雷达回波和闪电频数的关系，其中雷达回波为6 km和9km高度上的雷达反射率。模式分辨率为0.2°×0.2°，经过两个闪电个例的测试，结果表明对华南地区6h的闪电频数内有一定预报能力。LYNN et al. [2012]利用WRF模式建立变量潜在电能EP，当其消散超过预先指定的阈值时认为发生雷电。模式采用RAP再分析数据初始化，相比于GFS数据，RAP数据的分辨率更高（13 Km）且同化了雷达回波数据，初始化效果更好。经过4个个例的试验，模式对闪电的发生位置和频数预报效果较好。

机器学习作为人工智能的核心，其本质上是一个“黑箱子”模型，通过不断的训练，使得输入与输出的关系更加明显，得到一些客观存在但我们并不清楚的模型。目前机器学习在闪电预报中取得了较好的应用。徐会明等[2008]使用探空资料和T213数值模式产品，提取了垂直风切变、500hpa涡度、对流有效位能等因子，运用决策树的方法，建立了预报模型。陈勇伟等[2013]使用9 个对流参数，运用人工神经网络的方法，得到的模型具有较好的预报效果和稳定性。由于对流参数的计算存在多种算法，在不同地区的适用性有待研究，此类方法的代表性和普及度有待提高。同时各类预报方程在不同区域和时段的适用性存在较大差异，针对性会受到较大影响。卷积神经网络方法具有强大的非线性表达能力和特征提取功能，可从影响闪电发生的因子中提取闪电发生的位置、强度等特征。Lin et al.[2019]使用Encoder-Decoder模型，同时融合了卷积神经网络方法，将累计格点降水、霰混合比等物理量作为输入变量，预报未来时刻闪电落区。

现有的卷积神经网络用于闪电预报的方法多数预报闪电发生概率，存在以下问题：一是其中多采用边界处不填充、池化操作等方法，导致在信息提取的过程中重要特征丢失；二是闪电频数预报结果不够精准。

发明内容