强回波与光流法结果比较

　　(1)雷达回波外推的本质是时、空序列的预测问题，神经网络具有较强的非线性映射能力，可以充分利用大量的历史数据对雷达回波进行非线性外推。文中使用的预测网络模型具有提取空间特征的卷积模块和解决时间记忆问题的改进后的LSTM结构单元。结果表明预测神经网络对雷达回波外推的效果优于光流法。

　　(2)考虑到不同降水强度出现的频率不同，强降水对人类活动影响较大，网络在训练过程中赋予强回波较大的权重以提高对强回波的预报能力。测试集检验结果表明，预测神经网络2h的回波外推在40和50dBz检验阈值项上，临界成功指数、命中率较光流法均有所提高，虚警率有所下降，表明该网络对强回波的预报能力高于光流法。

　　(3)4 个降水过程个例表明，光流法和预测神经网络对层状云降水过程的预报准确率均高于对流云降水，主要是由于层状云降水回波变化缓慢，对流云降水强回波变化较快。尽管两种临近预报方 案的预报效果随预报时间的延长而下降，但是预测神经网络比光流法仍具有优越性。

　　(4)基于深度学习外推的4个降水个例的预测雷达回波在后期出现模糊现象，可能的原因是雷达回波的预测具有不确定性，随着时间的推移，对细节的预测难度更大，因此网络会更注重回波整体形 态上的演变，而丢失了细节性的纹理。