浅势研究

2025 11 03

基于 LSTM 循环神经网络的雷电潜势预测
使用长短期记忆LSTM ，预测得到的0到12小时效果好 POD 93.4 FAR 17.4 CSI为78.1

提出的知识和想法

  1. 雷暴早期需要满足静力不稳定、水汽和抬升触发 3 个基本条件
  2. 对流有效位能、沙氏指数、抬升指数和 K 指数与雷暴强度有较好的相关性
    大风指数、修正指数、静力能对流稳定度等
    23 个探空物理量参数与雷电活动关联度大于 0. 8,
    可作为雷电潜势预报指标因子。
  3. 分析超参数的选取对 LSTM 雷电活动预测
    模型的影响,确定学习率为 0. 000 1、批次样本量为
    32、序列长度为 10 用于预测,有利于模型的快速拟
    合,提高模型泛化能力。
  4. LSTM 模型在(0,12] h 的雷电潜势预测效果
    明显优于(12,24〛h,其正确率为 95.8%,被试工作特
    征 AUC 为 0.989,POD 为 93.4%,FAR 为 17.4%,CSI
    为 78.1%。
  5. 随着预测时限的增加,(12,24]h 的雷电潜势
    预测存在 POD 较低、FAR 较高,下一步将提高模型
    深度、优化模型参数,结合雷达、卫星等观测资料增
    加空间维度信息,开展基于深度学习网络的格点化
    雷电预警技术研究及应用。