利用集合深度学习方法融合多源数据开发全国-中国气象局图书馆.PDFVIP

2 0 1 8 利用集合深度学习方法融合多源数据开发全国 能见度网格数据 1 2 3 4 1 5 吕宝磊 胡泳涛 李林 梁海河 刘钧 王晓江 （1 华云升达（北京）气象科技有限责任公司，北京 102299；2 佐治亚理工学院土木与环境工程学院，亚特兰大 30332； 3 北京市气象局，北京 100089；4 中国气象局气象探测中心，北京 100081；5 中国华云气象科技集团公司，北京 100081） 摘要：能见度对于生产生活安排具有重要的指导意义，目前我国的能见度监测网络站点覆盖相对稀疏，观测数据具有空 间离散性和局地性。利用集合深度学习模型融合多源数据估计能见度，该集合模型包括了深度神经网络模型、随机森林 模型、梯度强化模型和广义线性模型四种机器学习器，融合了气象观测、大气成分观测、模式模拟和土地利用类型等多 源数据，并利用Barnes客观分析进一步消除深度学习融合误差，开发出空间连续的能见度网格数据集。该数据的空间分 2 R 辨率为12 km，经过独立样本评估，融合数据的 为0.61。相比较于空间插值和线性模型等方法，提出的方法具有更好 的准确度，且具有很好的空间解析力，可进一步用于开发更高分辨率数据。该方法具有较高的计算效率和较好的数据兼 容性，可以部署于业务化平台中可靠运行。 关键词：深度学习，能见度，多源数据融合，Barnes客观分析 DOI：10.3969/j.issn.2095-1973.2018.06.008 Fuse Multiple Data Sources with an Ensemble Deep Learning Approach to Estimate Nationwide Gridded Visibility 1 2 3 4 1 5 Lü Baolei , Hu Yongtao , Li Lin , Liang Haihe , Liu Jun ,Wang Xiaojiang (1 Huayun Sounding Meteorological Technology Company, Ltd., Beijing 102299 2 School of Civil and Environmental Engineering, Georgia Institute of Technology, Atlanta, Georgia 30332 3 Beijing Meteorological Service, Beijing 100089 4 Meteorological Observation Center, China Meteorological Administration, Beijing 100081 5 China Huayun Meteorological Technology Group, Beijing 100081) Abstract: Ground visibility had significant influences on transportation and human outdoor activities. Stationary visibility ob