双向长短期记忆网络在激光雷达风廓线预测的应用
摘要
当利用多普勒激光雷达进行测量时，由于断电、低云、降水等影响会产生风廓线数据的缺测。使用双向长短期记忆（Bi-LSTM）网络对风廓线进行预测，当风廓线观测结果缺失时使用预测结果进行插补，以提升风场数据的获取率和连续性。2021年4月，多普勒激光雷达在辽宁省觉华岛地区开展大气风场探测实验，针对因断电和天气条件导致的风廓线数据缺测，使用2021年4月18日—22日的10 min平均风廓线集，探究基于时序的Bi-LSTM模型在风廓线预测方面的性能，并与非时序卷积神经网络（CNN）的预测性能进行对比。实验结果表明，Bi-LSTM模型具有良好的风廓线短期预测能力，基于连续完整的443条10 min平均风廓线训练的Bi-LSTM模型，对未来15条10 min平均的风廓线预测效果较好：u分量和v分量的决定系数分别高于0.6和0.5，均方根误差分别低于2 m·s-1和3 m·s-1，平均绝对误差分别低于2 m·s-1和3 m·s-1，其预测评估指标值均优于CNN模型。在本案例中，使用Bi-LSTM模型的预测结果对缺测风廓线插补，1000 m高度以下的数据获取率平均提升8百分点。
引用本文（GB/T 7714）
廉文超 Lian Wenchao, Xiaoquan Song, 郝朝阳 Hao Zhaoyang, 等. 双向长短期记忆网络在激光雷达风廓线预测的应用[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。