结合双流3D卷积和监控图像的降水临近预报 下载: 694次
Precipitation Nowcasting Based on Dual-Flow 3D Convolution and Monitoring Images
1 福建农林大学计算机与信息学院, 福建 福州 350002
2 福州市气象局, 福建 福州 350014
3 福建农林大学林学院, 福建 福州350002
4 福建农林大学林学博士后流动站, 福建 福州350002
5 福建农林大学海峡自然保护区研究中心, 福建 福州 350002
6 生态与资源统计福建省高校重点实验室, 福建 福州 350002
图 & 表
图 1. 双流3D卷积神经网络
Fig. 1. Dual-flow 3D convolution neural network
下载图片 查看原文
图 2. 卷积操作
Fig. 2. Convolution operation
下载图片 查看原文
图 3. 最大池化操作
Fig. 3. Max pooling operation
下载图片 查看原文
图 4. 全连接操作
Fig. 4. Fully connection operation
下载图片 查看原文
图 5. 预报效果。(a)所提网络;(b) ConvLSTM网络;(c) C3D网络;(d) Asy 3D网络
Fig. 5. Prediction effect. (a)Proposed network; (b)ConvLSTM network; (c)C3D network; (d) Asy 3D network
下载图片 查看原文
图 6. 训练情况下的准确率和损失值。(a)准确率;(b)损失值
Fig. 6. Accuracy and loss value under training. (a) Accuracy; (b) loss value
下载图片 查看原文
图 7. 测试情况下的准确率和损失值。(a)准确率;(b)损失值
Fig. 7. Accuracy and loss value under test. (a) Accuracy; (b) loss value
下载图片 查看原文
图 8. 不同深度卷积模块下的特征图
Fig. 8. Characteristic graphs under different depth convolution modules
下载图片 查看原文
表 1消融实验
Table1. Ablation experiment
Model | A | B | C | D | E |
---|
Single- flow | Single loss | No pooling | √ | | | | | Dual-flow | Single loss | Max pooling | | √ | | | | | No pooling | | | √ | | | Dual loss | Max pooling | | | | √ | | | average pooling | | | | | √ | A/% | 82.19 | 81.00 | 84.23 | 84.20 | 84.46 |
|
查看原文
表 2各个降水强度的测试结果比较
Table2. Comparison of test results of each precipitation intensity
PI/(mL·h-1) | Proposed network | ConvLSTM | C3D | Asy 3D | | Samplesize |
---|
PFAR /%↓ | PPOD /%↑ | PCSI /%↑ | PFAR /%↓ | PPOD /%↑ | PCSI /%↑ | PFAR /%↓ | PPOD /%↑ | PCSI /%↑ | PFAR /%↓ | PPOD /%↑ | PCSI /%↑ | |
---|
0 | 0.11 | 0.96 | 0.92 | 0.24 | 0.89 | 0.82 | 0.12 | 0.95 | 0.91 | 0.18 | 0.86 | 0.84 | 1227 | 1 | 0.19 | 0.78 | 0.79 | 0.42 | 0.61 | 0.59 | 0.18 | 0.74 | 0.78 | 0.31 | 0.67 | 0.68 | 501 | 2 | 0.22 | 0.72 | 0.75 | 0.35 | 0.47 | 0.55 | 0.29 | 0.72 | 0.72 | 0.43 | 0.62 | 0.60 | 261 | 3 | 0.22 | 0.76 | 0.77 | 0.35 | 0.61 | 0.63 | 0.29 | 0.73 | 0.72 | 0.36 | 0.69 | 0.67 | 193 | 4 | 0.24 | 0.76 | 0.76 | 0.37 | 0.57 | 0.60 | 0.27 | 0.72 | 0.73 | 0.32 | 0.51 | 0.59 | 103 | 5 | 0.17 | 0.70 | 0.76 | 0.30 | 0.51 | 0.59 | 0.26 | 0.70 | 0.72 | 0.36 | 0.43 | 0.52 | 69 | 6 | 0.03 | 0.69 | 0.81 | 0.32 | 0.40 | 0.51 | 0.13 | 0.62 | 0.72 | 0.38 | 0.60 | 0.61 | 42 | 7 | 0.23 | 0.59 | 0.67 | 0.27 | 0.28 | 0.41 | 0.29 | 0.56 | 0.63 | 0.39 | 0.44 | 0.51 | 39 | 8 | 0.24 | 0.62 | 0.68 | 0.11 | 0.38 | 0.53 | 0.36 | 0.67 | 0.65 | 0.54 | 0.52 | 0.49 | 21 | 9 | 0.26 | 0.56 | 0.64 | 0.10 | 0.36 | 0.51 | 0.18 | 0.56 | 0.67 | 0.47 | 0.40 | 0.45 | 25 | 10 | 0.21 | 0.55 | 0.65 | 0.14 | 0.30 | 0.44 | 0.17 | 0.50 | 0.62 | 0.33 | 0.90 | 0.77 | 20 | 11 | 0.21 | 0.81 | 0.80 | 0.11 | 0.30 | 0.44 | 0.16 | 0.78 | 0.81 | 0.27 | 0.41 | 0.52 | 27 | 12 | 0.20 | 0.80 | 0.80 | 0.00 | 0.20 | 0.33 | 0.00 | 0.80 | 0.89 | 0.33 | 0.40 | 0.50 | 5 | 13 | 0.00 | 0.71 | 0.83 | 0.00 | 0.43 | 0.60 | 0.00 | 0.57 | 0.73 | 0.00 | 0.71 | 0.83 | 7 | 14 | 0.33 | 0.89 | 0.76 | 0.33 | 0.44 | 0.53 | 0.25 | 0.67 | 0.71 | 0.33 | 0.44 | 0.53 | 9 | 15 | 0.00 | 0.33 | 0.50 | 0.00 | 0.33 | 0.50 | 0.00 | 0.33 | 0.50 | 0.25 | 0.50 | 0.60 | 6 | 16 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 0.00 | 1.00 | 1.00 | 1 | 17 | 0.00 | 0.80 | 0.89 | 0.00 | 0.40 | 0.57 | 0.00 | 0.80 | 0.89 | 1.00 | 0.00 | 0.00 | 5 | 18 | 0.00 | 0.75 | 0.86 | 0.00 | 0.50 | 0.67 | 0.00 | 0.75 | 0.86 | 0.00 | 0.50 | 0.67 | 4 | 19 | 0.00 | 0.43 | 0.60 | 0.00 | 0.29 | 0.44 | 0.25 | 0.43 | 0.55 | 0.00 | 0.86 | 0.92 | 7 | 2 | 00.25 | 0.86 | 0.80 | 0.38 | 0.71 | 0.67 | 0.33 | 0.86 | 0.75 | 0.00 | 0.43 | 0.60 | 7 | 21 | 0.00 | 1.00 | 1.00 | 0.33 | 0.33 | 0.44 | 0.29 | 0.83 | 0.77 | 0.20 | 0.67 | 0.73 | 6 | 22 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 2 | 24 | 0.00 | 0.50 | 0.67 | 0.00 | 0.50 | 0.67 | 0.00 | 0.50 | 0.67 | 0.00 | 1.00 | 1.00 | 2 | 25 | 0.50 | 1.00 | 0.67 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 1 | 27 | 0.00 | 1.00 | 1.00 | 0.00 | 0.33 | 0.50 | 0.25 | 1.00 | 0.86 | 0.00 | 0.67 | 0.80 | 3 | 29 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1 | 32 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 0.00 | 1.00 | 1.00 | 1 | 34 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1 | 38 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 0.00 | 1.00 | 1.00 | 1 | 46 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 | 0.00 | 1.00 | 1.00 | 1 | 56 | 0.00 | 1.00 | 1.00 | 1.00 | 0.00 | 0.00 | 0.00 | 1.00 | 1.00 | 0.00 | 0.50 | 0.67 | 2 |
|
查看原文
杨素慧, 林志玮, 赖绍钧, 刘金福. 结合双流3D卷积和监控图像的降水临近预报[J]. 激光与光电子学进展, 2020, 57(20): 201011. Suhui Yang, Zhiwei Lin, Shaojun Lai, Jinfu Liu. Precipitation Nowcasting Based on Dual-Flow 3D Convolution and Monitoring Images[J]. Laser & Optoelectronics Progress, 2020, 57(20): 201011.