Page 144 - 计算机应用软件开发技术研究
P. 144
计算机应用软件开发技术研究
Research on Computer Application Software Development Technology
和全局特征，并利用多核支持向量机方法进行分类；Tan 等提出了一种三通道卷
积神经网络（3C-CNN）模型，首先，利用 ResNet50 分支从整幅图像中提取全球
天气特征；其次，通过 Concat 函数将全局特征和局部特征进行融合；最后，使用
Softmax 分类器对图像进行分类，并输出识别结果。Huang 等采用卷积神经网络技
术对南岳站结冰现场实验的摄像机图像进行建模和训练，并通过摄像机图像对识
别结果进行检验，该方法可为冰雪天气现象的自动观测提供重要的技术支持。
3.天气雷达观测
由于气候、硬件故障等多种因素的影响，天气雷达经常会产生异常的雷达回
波信号，从大量雷达数据中人工识别异常是一项繁重的工作，因此实现雷达数据
中异常回波图像的自动识别具有重要意义。在天气雷达回波异常识别方面，许多
学者做了大量的工作，其中一些是基于经典的图像处理方法实现了识别。例如，
Chen 等提出了一套通过提取纹理特征来处理雷达异常回波的方法，该类方法的
主要缺点是复杂和效率低。Yang 提出了一种结合经典图像处理理论和深度学习
的异常识别方法，该方法主要包括坐标变换、积分投影和深度学习分类 ３ 个部
分，该方法能够提升对异常雷达回波图像的甄别率，同时计算速度非常快。香港
科技大学施行健等基于雷达回波外推方面开展了深入的工作，并基于此技术进行
了短临降水预测。
在雷达数据质量方面，目前主要关注的是消除非气象回波的质量控制算法，
如异常传播和地杂波，这些噪声的反射率比较高，但长时间存在的低反射率噪
声，如生物目标造成的污染，很难去除，这种低反射率的噪声如果长时间累积，
就会在估计降水量方面造成重大问题。随着偏振多普勒天气雷达的广泛部署和运
行，Lakshmanan 等提出了利用偏振极化变量进行质量控制的方法。
在雷达图像识别方面，对双偏振天气雷达回波的水凝物分类进行分类也是一
个重要方向，冉元波等提出了一种利用深度学习和模糊逻辑算法进行联合判别的
水凝物相态识别方法，这种采用深度学习方法对降水粒子进行初次聚类，再利用
模糊逻辑算法实现精确聚类的方法，可大大提高水凝物识别准确率。
（二）数值天气预报
英国信息技术专家罗伯托·齐卡里撰文指出，探索机器学习和数值模拟的组
合不仅可以促进天气预报能力的进步，也会推动机器学习领域的创新研究。现在
比较关注的领域是使用机器学习工具加速数值预报流程的各个环节。本部分主要
·132·
