基于深度学习和偏振量垂直廓线的强对流短临预报方法

本发明提供一种基于深度学习和偏振量垂直廓线的强对流短临预报方法，根据雷达组网范围内在历史时间段每隔预设时长的等高面偏振量和风场的三维格点数据，识别对流云；利用CLTREC方法对所述对流云进行追踪，建立所述对流云的前后匹配关系，根据所述前后匹配关系确定所述历史时间段内对流云的时序格点位置；根据所述对流云的时序格点位置，从所述三维格点数据中采样出对流云格点的偏振量垂直廓线时序特征，并确定所述对流云格点的偏振量垂直廓线时序特征的实况后验概率；将所述实况后验概率与概率阈值进行比较，根据比较结果确定未来时间段内是否将发生强对流，所述概率阈值利用深度学习模型优化得到。本发明提升预报提前量和预报精度。