摘要：该文将循环神经网络(recurrent neural network,RNN)应用于雷达临近预报。使用预测循环神经网络(predictive RNN)架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元(long short-term memory,LSTM)中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数(CSI)可以提升0. 15~0.30,命中率(POD)提高0. 15~0.25,虚警率(FAR)降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。

关键词：雷达临近预报 循环神经网络 深度学习 

单位：国家气象中心; 北京100081; 清华大学软件学院; 北京100084