基于深度神经网络的天气智能识别模型
短时强降水、大风等强对流夭气危害巨大，对其进行自动识别存在相当大的技术困难。提岀一种基于深度神经网络的强对流夭气智能识别模型，以雷达回波图像和表征囯波移动路径的光流图像作为输λ，通过神经网络的自学习，寻求雷达图像与¨是否发生强对流天气”之间的函教映射关系;并运用数据集増强、代价函教优化和模型泛化性能优化等技术，解决了训练样本的不均衡问题，避免了模型训练过程陷λ局部极值的问题。实验结果表眀，该方法对强对流夭气识别的准确率达到96%，误报率低于60%。该方法也适用于对下击暴流等灾害性天气的自动识别。
文件下载
评论信息
其他资源
- 基于MATLAB的QPSK调制与解调 论文附matlab程序
- matlab实现线性卷积
- 巴斯著计算机算法-设计与分析导论(网友翻译版)
- 红外图像与可见光图像融合笔记
- Sublime Text 2(中文版)
- stm32机械臂资料含视频-附件资源
- 机器学习 数据挖掘 十大算法介绍.pptx
- fluent UDF完整中文资料
- Lingo11完美绿色版 (无变量限制 可求全局最优解)
- JDK 1.4.1本地下载
- UNIFIED_DRVR_RHEL7_MX01J_A00_7.705.05.00.tar.gz
- 《数学与程序设计》习题测试数据
- algnhsa：AWS Lambda Go nethttp服务器适配器-源码
- 统考英语b考前押题（网院）.doc
- ASP.NET图书管理系统
- sql server 2008 r2 安装 + JDBC配置
- 解决 Field 'ssl_cipher' doesn't have a default value的错误
- 数据结构（高一凡）.
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明