基于多要素3D特征提取的短期定量降水預(yù)報(bào)技術(shù)研究

打開文本圖片集

摘要 由于空間分辨率有限、物理參數(shù)化方案不夠完善、泛化性較弱等原因，使得傳統(tǒng)業(yè)務(wù)數(shù)值天氣模式 （NWP）在定量降水預(yù)報(bào)中存在固有偏差，而深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性擬合能力、能夠自主性學(xué)習(xí)到任務(wù)相關(guān)的關(guān)鍵特征、泛化性較高等優(yōu)勢，有望改善現(xiàn)狀.為此，本文提出一種基于多要素3D特征提取的短期定量降水（剩余24212字）