Extrapolation of radar echoes based on self-attention and gated recurrent neural networks
-
摘要:
传统利用门控循环神经网络进行雷达回波外推中，临近时刻的数据是相互依赖的，随着预测时间步的推进，导致误差累积，误导模型对未来时刻的预测，削弱了模型的长期预测能力，同时现有的时空序列预测模型对强回波区域的捕捉能力不足，对强回波区域走势预测不准确。针对基于门控循环神经网络搭建的雷达回波预测模型存在的问题，在数据处理层面，通过改进对雷达回波图像序列归一化的方式，提升了近几年内常用的三种时空序列预测模型对强回波的预测水平；在模型算法层面，将两个联立的自注意力结构引入ST-LSTM结构，组成新的循环门控单元，并将这些循环门控单元进行堆叠，建立ST-SARNN模型。选用CSI和POD作为精度评价指标，进行模型对比分析，并选用一个典型案例进行可视化展示，经过对比发现，本文构建的雷达回波时空预测模型对雷达回波的预测性能显著优于ConvLSTM、PredRNN和MIM等模型。
-
点击查看大图
计量
- 文章访问数: 47
- HTML全文浏览量: 3
- PDF下载量: 10
- 被引次数: 0
下载:
