• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向衛(wèi)星云圖及深度學(xué)習(xí)的臺(tái)風(fēng)等級(jí)分類

    2019-06-28 08:13:30鄒國良侯倩鄭宗生黃冬梅劉兆榮
    遙感信息 2019年3期
    關(guān)鍵詞:云圖正確率特征提取

    鄒國良,侯倩,鄭宗生,黃冬梅,劉兆榮

    (上海海洋大學(xué) 信息學(xué)院,上海 201306)

    0 引言

    我國沿海地區(qū)是世界上受臺(tái)風(fēng)侵襲較多的區(qū)域,特別是臺(tái)風(fēng)引起的風(fēng)暴潮對(duì)海上船舶、海洋工程產(chǎn)業(yè)造成極大損失。據(jù)統(tǒng)計(jì),風(fēng)暴潮災(zāi)害所造成的經(jīng)濟(jì)損失占海洋災(zāi)害的90%以上。臺(tái)風(fēng)影響人類生命及財(cái)產(chǎn)安全的程度都與其強(qiáng)度密切相關(guān),因此對(duì)其強(qiáng)度的研究一直是海洋氣象界關(guān)注的熱點(diǎn)之一[1]。在臺(tái)風(fēng)爆發(fā)期間,氣候及海洋環(huán)境異常惡劣很難直接獲取臺(tái)風(fēng)數(shù)據(jù)。隨著衛(wèi)星遙感技術(shù)水平的提高,氣象衛(wèi)星云圖能夠更加準(zhǔn)確、穩(wěn)定地全天候?qū)崟r(shí)監(jiān)測天氣變化[2],成為觀測和預(yù)報(bào)臺(tái)風(fēng)的主要手段,其在臺(tái)風(fēng)的產(chǎn)生、發(fā)展等研究中已經(jīng)取得一系列的成果[3]。根據(jù)衛(wèi)星云圖分析,臺(tái)風(fēng)大多是由熱帶輻合區(qū)(intertropical convergence zone,ITCZ)云帶中的擾動(dòng)云團(tuán)引起,不同強(qiáng)度的臺(tái)風(fēng)在衛(wèi)星云圖上表現(xiàn)為不同特征的螺旋云系。熱帶擾動(dòng)和不同強(qiáng)度的臺(tái)風(fēng)在云圖上有明顯的差異,其中密蔽云區(qū)的大小與臺(tái)風(fēng)的強(qiáng)度有關(guān)[4]。目前針對(duì)臺(tái)風(fēng)強(qiáng)度的研究方法主要有主觀經(jīng)驗(yàn)法[5]、數(shù)值模擬分析法[6]。主觀經(jīng)驗(yàn)法需通過專業(yè)知識(shí)對(duì)臺(tái)風(fēng)強(qiáng)度評(píng)估,例如目前最成熟的Dvorak分析法利用衛(wèi)星云圖中的云系結(jié)構(gòu)特征及特定的參數(shù)通過經(jīng)驗(yàn)規(guī)則和約束條件來估計(jì)強(qiáng)度,但其需要專業(yè)知識(shí)對(duì)臺(tái)風(fēng)特征提取并且無法得到臺(tái)風(fēng)內(nèi)核的結(jié)構(gòu)信息。數(shù)值模擬分析法通過綜合考慮不同初始場、邊界條件等大氣環(huán)境中先驗(yàn)物理量來優(yōu)化成熟的臺(tái)風(fēng)預(yù)報(bào)模型。目前穩(wěn)定的臺(tái)風(fēng)過程風(fēng)速預(yù)報(bào)誤差可達(dá)到3.9 m/s[7],但數(shù)值模擬分析法需要綜合考慮不同初始場、邊界條件的影響,文獻(xiàn)[6]中王慧利用中尺度ARW-WRF模式提出臺(tái)風(fēng)漩渦動(dòng)力初始化和大尺度譜逼近相結(jié)合的方案改進(jìn)對(duì)臺(tái)風(fēng)強(qiáng)度的模擬,但初始條件的不確定性導(dǎo)致數(shù)值模擬存在一定誤差。

    近年來,國內(nèi)外諸多學(xué)者在海洋氣象領(lǐng)域中通過機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)衛(wèi)星云圖的分類識(shí)別。機(jī)器學(xué)習(xí)算法可從大量的衛(wèi)星云圖中自動(dòng)、快速、有效地提取隱含特征,例如,韓丁等建立支持向量機(jī)(support vector machine,SVM)模型實(shí)現(xiàn)氣象云圖的分類,與BP (back propagation)網(wǎng)絡(luò)模型的分類結(jié)果對(duì)比準(zhǔn)確率達(dá)到82.4%[8];針對(duì)衛(wèi)星云圖易受噪聲干擾,田文哲等優(yōu)化參數(shù)構(gòu)造自適應(yīng)模糊支持向量機(jī)(adaptive fuzzy support vector machine,AFSVM)使準(zhǔn)確率達(dá)到88.2%[9];Liu等運(yùn)用多種神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)云類識(shí)別,通過對(duì)比實(shí)驗(yàn)構(gòu)造自組織映射神經(jīng)網(wǎng)絡(luò)(self organizing maps,SOM) 模型將氣象云圖分類錯(cuò)誤率降低了7.74%[10]。但是,通過機(jī)器學(xué)習(xí)利用衛(wèi)星云圖來識(shí)別臺(tái)風(fēng)等級(jí)的特征研究較少,主要原因是傳統(tǒng)的機(jī)器學(xué)習(xí)算法需要顯式提取特征進(jìn)行分類,但衛(wèi)星云圖中與臺(tái)風(fēng)強(qiáng)度相關(guān)的特征復(fù)雜提取困難。

    深度學(xué)習(xí)作為一種強(qiáng)泛化能力的分類識(shí)別方法,克服了傳統(tǒng)方法中需要先驗(yàn)知識(shí)進(jìn)行顯式提取特征的不足。其作為機(jī)器學(xué)習(xí)算法中一個(gè)新的技術(shù)[11],在計(jì)算機(jī)視覺領(lǐng)域掀起了一股研究熱潮,Google、Facebook、Microsoft、IBM、Yahoo、Twitter和Adobe等紛紛成立研究機(jī)構(gòu)將深度學(xué)習(xí)納入實(shí)際項(xiàng)目進(jìn)行研發(fā),如Microsoft基于深度學(xué)習(xí)的視覺系統(tǒng);Google在2016年3月基于深度學(xué)習(xí)技術(shù)的Alphago在人機(jī)對(duì)弈中擊敗人類。目前,深度學(xué)習(xí)在模式識(shí)別、智能視頻、機(jī)器視覺等研究領(lǐng)域取得了一系列成果[12-15]。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)應(yīng)用成功的模型之一,在遙感水體提取[16]和低空攝影測量DEM自動(dòng)修補(bǔ)[17]中得到進(jìn)一步的研究和應(yīng)用。這些方面的成功應(yīng)用進(jìn)一步證明了卷積神經(jīng)網(wǎng)絡(luò)可通過模擬人腦進(jìn)行分析和學(xué)習(xí),能夠隱式提取圖像中深層抽象的復(fù)雜特征。

    因此,本文針對(duì)臺(tái)風(fēng)形成中復(fù)雜的大氣因素導(dǎo)致的衛(wèi)星云圖特征提取復(fù)雜、識(shí)別率低等問題展開研究。通過引入深度學(xué)習(xí)的方法,在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)的基礎(chǔ)上,采用多尺度卷積核的循環(huán)卷積策略,同時(shí)引入信息熵、Dropout置零率優(yōu)化網(wǎng)絡(luò)參數(shù),構(gòu)建了適用于臺(tái)風(fēng)等級(jí)識(shí)別的Typhoon-CNNs模型;利用獲取的“Himawari1-8”衛(wèi)星4 800景云圖進(jìn)行實(shí)驗(yàn)并與傳統(tǒng)模型進(jìn)行對(duì)比得到預(yù)期效果,為相關(guān)部門提供準(zhǔn)確、便捷的輔助決策方法。

    1 傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)

    傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)是由卷積層和采樣層交替組成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。卷積神經(jīng)網(wǎng)絡(luò)采用反向傳播神經(jīng)元誤差敏感項(xiàng)δl的方法實(shí)現(xiàn)網(wǎng)絡(luò)權(quán)值的更新,特征提取過程可以表示為得分函數(shù)S(xi,w,b)。對(duì)第i個(gè)樣本(xi,yi)分類誤差的交叉熵?fù)p失函數(shù)定義為:

    Li=-lnesyi+ln∑esi

    (1)

    樣本(xi,yi)經(jīng)過網(wǎng)絡(luò)后的輸出為f(x),則對(duì)應(yīng)該樣本的損失值為:

    Li(f(x),y)=-lnf(x)y

    (2)

    深度為l層的卷積神經(jīng)網(wǎng)絡(luò)輸出層的誤差敏感項(xiàng)是:

    (3)

    式中:al表示第l層的輸入。

    最后運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)的δ反向傳播規(guī)則[18]對(duì)每個(gè)神經(jīng)元的權(quán)值更新,使得模型整體誤差函數(shù)不斷降低。

    卷積層是利用本層的卷積核與輸入圖像進(jìn)行卷積,再經(jīng)過神經(jīng)元激活函數(shù)輸出本層的特征圖,實(shí)現(xiàn)對(duì)輸入圖像隱式的特征提取。卷積過程定義如下公式:

    (4)

    注:Input代表輸入圖像;kx表示模型卷積層的卷積核;*代表卷積運(yùn)算;bx代表偏置;cx表示卷積層;f是激活函數(shù)。圖1 卷積過程示意圖

    采樣層是對(duì)當(dāng)前輸入的特征圖做下采樣降低圖像的分辨率,減少運(yùn)算量,從而提高網(wǎng)絡(luò)收斂速度。采樣過程定義為:

    (5)

    圖2 采樣過程示意圖

    2 Typhoon-CNNs網(wǎng)絡(luò)模型

    傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)是卷積層和采樣層交替排列構(gòu)成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。當(dāng)輸入特征不明顯的時(shí)候,采用池化層在降低維度的同時(shí)會(huì)丟失部分圖像信息,導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)能力下降。不同于手寫字體庫數(shù)據(jù)集(MNIST)特征明顯,本文構(gòu)建的衛(wèi)星云圖數(shù)據(jù)集,由于臺(tái)風(fēng)形成中復(fù)雜的大氣因素使得云圖螺旋半徑內(nèi)特征不明顯,因此傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(CNN)并不適用于臺(tái)風(fēng)云圖特征提取。

    為了更好提取螺旋云系的特征,本文在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上采用循環(huán)卷積增強(qiáng)模型特征提取能力;引入信息熵、Dropout置零率優(yōu)化網(wǎng)絡(luò)參數(shù)穩(wěn)定模型識(shí)別率,增加網(wǎng)絡(luò)的魯棒性(具體實(shí)驗(yàn)見第3小節(jié))提出了適用于臺(tái)風(fēng)云圖等級(jí)分類的深度學(xué)習(xí)模型Typhoon-CNNs,如圖3所示。Typhoon-CNNs包括3個(gè)卷積層、1個(gè)采樣層和2個(gè)全連接層,通過權(quán)值共享和網(wǎng)絡(luò)結(jié)構(gòu)重組對(duì)6層神經(jīng)網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí),同時(shí)使得整個(gè)網(wǎng)絡(luò)可以通過反向傳播算法得以很好訓(xùn)練并用于分類。本次實(shí)驗(yàn)把臺(tái)風(fēng)等級(jí)分為4個(gè)等級(jí),因此最后一層輸出4個(gè)單元代表所分的類別。

    圖3 Typhoon-CNNs全模型

    3 Typhoon-CNNs模型參數(shù)優(yōu)化及驗(yàn)證

    本文所有對(duì)比實(shí)驗(yàn)均是基于ubunt16.10 CPU intel core i5-6 500M 3.2 GHz,內(nèi)存為4 GB,使用的深度學(xué)習(xí)框架為開源的keras[19]。

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    1977年到2014年日本相繼發(fā)射“Himawari1-8”衛(wèi)星。尤其“Himawari-8”地球同步氣象衛(wèi)星有16個(gè)波段通道,空間分辨率最高可達(dá)到500 m。實(shí)驗(yàn)數(shù)據(jù)采用日本國立情報(bào)學(xué)研究所(National Institute of Informatics,NII)提供的西北太平洋1978—2016年“Himawari1-8”衛(wèi)星觀測到的高時(shí)間分辨率衛(wèi)星云圖資料及對(duì)應(yīng)的臺(tái)風(fēng)強(qiáng)度信息。數(shù)據(jù)集包含近1 000多個(gè)臺(tái)風(fēng)過程,為了獲取全天候的數(shù)據(jù),實(shí)驗(yàn)采用了紅外云圖作為數(shù)據(jù)樣本,依據(jù)臺(tái)風(fēng)等級(jí)標(biāo)準(zhǔn)(表1)制定4類臺(tái)風(fēng)等級(jí)標(biāo)簽。

    表1 臺(tái)風(fēng)等級(jí)標(biāo)準(zhǔn)

    本文將采集到的紅外云圖首先采用中值濾波器去除云圖斑塊中的噪聲,有效保留圖像中的邊緣信息;其次采用最近鄰插值縮放,將云圖轉(zhuǎn)化為24×24×1的格式作為網(wǎng)絡(luò)的輸入;最后根據(jù)(表1)制定數(shù)據(jù)集標(biāo)簽。數(shù)據(jù)集統(tǒng)一采用4類標(biāo)簽標(biāo)記:0代表熱帶低氣壓、1代表臺(tái)風(fēng)、2代表強(qiáng)臺(tái)風(fēng)、3代表超強(qiáng)臺(tái)風(fēng)。最終構(gòu)建了4 000訓(xùn)練樣本、800測試樣本的數(shù)據(jù)集,熱帶低氣壓、臺(tái)風(fēng)、強(qiáng)臺(tái)風(fēng)、超強(qiáng)臺(tái)風(fēng)訓(xùn)練集各1 000個(gè)、測試集各200個(gè),部分衛(wèi)星云圖樣本如圖4所示。

    圖4 部分氣象衛(wèi)星云圖樣本

    3.2 模型檢驗(yàn)指標(biāo)

    模型的精確度通過正確率檢驗(yàn),假設(shè)在n個(gè)樣本中第i個(gè)樣本的真實(shí)類標(biāo)簽為yi,預(yù)測類標(biāo)簽為oi,則模型分類的正確率為:

    (6)

    預(yù)測得到的類標(biāo)簽與真正的標(biāo)簽集越吻合,模型分類的正確率越大。

    3.3 訓(xùn)練Typhoon-CNNs模型

    卷積神經(jīng)網(wǎng)絡(luò)中softmax層輸出各類對(duì)應(yīng)的概率,概率大的類別即視為輸出的等級(jí)。為了抑制softmax輸出層各類出現(xiàn)相近的概率,使得信息不能得到充分訓(xùn)練,本文引入信息熵在反向傳播中優(yōu)化誤差敏感項(xiàng)δl。設(shè)等概率分布

    v={p1=1/n,p2=1/n…pn=1/n}

    (7)

    當(dāng)v發(fā)生微小變化Δvi時(shí)定義為

    u=vi+Δvi, ∑Δvi=0

    (8)

    將H(u)的二階泰勒展開為

    (9)

    所以H(u)表示為

    (10)

    通過式(10)發(fā)現(xiàn):在等概的基礎(chǔ)上如果概率分布發(fā)生細(xì)微變化時(shí),信息熵的靈敏度也會(huì)隨之變動(dòng)。因此本文將信息熵疊加到前文所述δl上,形成適用于臺(tái)風(fēng)等級(jí)分類的δT來優(yōu)化Typhoon-CNN模型中卷積核和Dropout參數(shù)。

    1)優(yōu)化選擇卷積濾波器參數(shù)。由于單張臺(tái)風(fēng)云圖受到頻譜、分辨率等因素的影響導(dǎo)致反映的特征量有限,采用循環(huán)卷積層代替采樣層能更好地提取臺(tái)風(fēng)云圖的螺旋云帶特征。卷積核作為卷積層中最具特性的部分影響著整個(gè)網(wǎng)絡(luò)的性能,其大小影響著關(guān)聯(lián)像素的特征提取,過小則不能充分提取關(guān)聯(lián)像素且提取效率低,而過大會(huì)增加冗余從而丟失局部信息[20]。因?yàn)榕_(tái)風(fēng)的關(guān)聯(lián)相似性很高[21],所以網(wǎng)絡(luò)模型選擇合適的卷積核大小至關(guān)重要。針對(duì)臺(tái)風(fēng)關(guān)聯(lián)相似性高難以分類的問題,本文第一組實(shí)驗(yàn)采用不同大小的卷積核對(duì)同張?jiān)茍D特征提取,由于采樣層像素需要整除且輸入的圖片像素為24×24,所以前兩層卷積層分別采用32個(gè)1×1、3×3、5×5、7×7的卷積濾波器,最后一層卷積層采用2×2的卷積濾波器,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    對(duì)模型進(jìn)行400次迭代訓(xùn)練后,實(shí)驗(yàn)結(jié)果如圖5所示。

    圖5 不同大小的卷積核訓(xùn)練結(jié)果

    從圖5可以看出,在現(xiàn)有樣本的基礎(chǔ)上。卷積核大小為1×1的時(shí)候網(wǎng)絡(luò)交叉熵?fù)p失值只能達(dá)到0.555 7;3×3的卷積核收斂的速度最慢,迭代次數(shù)達(dá)到350次才使網(wǎng)絡(luò)達(dá)到穩(wěn)定;7×7的卷積核在迭代310次的時(shí)候達(dá)到收斂且穩(wěn)定,網(wǎng)絡(luò)結(jié)構(gòu)損失值最后穩(wěn)定在0.018 9±0.01的范圍內(nèi);5×5的卷積核在迭代320次時(shí)網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定并達(dá)到系統(tǒng)最佳的損失值0.009 4,從而確定了5×5的卷積核為最佳濾波器尺度。

    2)優(yōu)化Dropout置零率。將第一組實(shí)驗(yàn)的模型應(yīng)用在測試集上進(jìn)行第二組實(shí)驗(yàn),得到的結(jié)果如表2所示。

    表2 不同大小的卷積核模型測試結(jié)果

    對(duì)比表2發(fā)現(xiàn)網(wǎng)絡(luò)模型產(chǎn)生過擬合。為了有效防止過擬合,本文在Typhoon-CNNs模型的全連接層引用Dropout策略,隨機(jī)凍結(jié)部分神經(jīng)元,使網(wǎng)絡(luò)的權(quán)值更新不再依賴于隱含節(jié)點(diǎn)的固定關(guān)系,從而削弱過擬合問題。如圖3虛線框所示。將不同的Dropout置零率引入模型全連接層得到結(jié)果如圖6所示。

    圖6 隨機(jī)凍結(jié)不同比例的神經(jīng)元

    由圖6可以看出Dropout方法隨機(jī)凍結(jié)部分的神經(jīng)元并不一定會(huì)使模型的泛化能力增強(qiáng)。在Dropout置零率分別取20%、80%、90%的時(shí)候正確率在下降,并且在Dropout為20%時(shí)系統(tǒng)的正確率最低為91.00±0.1%。對(duì)比圖6中的數(shù)據(jù),網(wǎng)絡(luò)最終結(jié)構(gòu)選用Dropout置零率為60%來優(yōu)化模型,使模型的識(shí)別率達(dá)到92.50±0.2%。

    3.4 模型結(jié)果對(duì)比分析

    通過卷積核和Dropout參數(shù)在臺(tái)風(fēng)數(shù)據(jù)集中的對(duì)比實(shí)驗(yàn)得到最佳參數(shù)并應(yīng)用到Typhoon-CNNs模型中。選取測試集對(duì)模型驗(yàn)證進(jìn)行第三組實(shí)驗(yàn),具體結(jié)果見表3。

    表3 樣本混淆矩陣

    從表3可以看出臺(tái)風(fēng)和超強(qiáng)臺(tái)風(fēng)2個(gè)等級(jí)的預(yù)測正確率達(dá)到99%,而熱帶低氣壓的預(yù)測正確率為80%。分析原因,在臺(tái)風(fēng)形成的過程中熱帶低氣壓沒有特定形狀的云團(tuán)特征和完整的結(jié)構(gòu)(圖4(a)),因此分類正確率較低,模型把10景熱帶低氣壓云圖錯(cuò)分類為臺(tái)風(fēng),8景分為強(qiáng)臺(tái)風(fēng),2景分為超強(qiáng)臺(tái)風(fēng);當(dāng)形成臺(tái)風(fēng)后具有明顯的眼區(qū)和螺旋云帶特征(圖4(b)、圖4(c)、圖4(d))便于模型識(shí)別。為了表達(dá)深度學(xué)習(xí)模型所提取的特征敏感區(qū)可以作為臺(tái)風(fēng)預(yù)報(bào)的重要依據(jù),將第一組實(shí)驗(yàn)中模型的第一層特征做可視化實(shí)驗(yàn),結(jié)果如圖7所示。

    圖7 不同卷積核的特征提取效果

    對(duì)比圖7發(fā)現(xiàn),5×5的卷積核能夠獲得完整圖像的特征,相對(duì)1×1和3×3的卷積核效率更高。5×5的卷積核對(duì)臺(tái)風(fēng)眼、云墻、螺旋云帶(即黃色區(qū)域)特征提取明顯,但是7×7的卷積核會(huì)增加臺(tái)風(fēng)相似冗余從而丟失局部特征。對(duì)比原圖的渦旋云區(qū)發(fā)現(xiàn),模型對(duì)于黃色區(qū)域更加敏感,而對(duì)臺(tái)風(fēng)邊緣的纖維狀云并不敏感,因此增加模型對(duì)黃色區(qū)域的特征提取有益于模型的分類。這與目前諸多學(xué)者通過定位臺(tái)風(fēng)眼、分割密蔽云區(qū)和提取螺旋云帶特征來預(yù)報(bào)臺(tái)風(fēng)一致,這也證明了通過深度學(xué)習(xí)及衛(wèi)星云圖對(duì)臺(tái)風(fēng)等級(jí)分類的可行性。

    在測試集上對(duì)傳統(tǒng)分類方法和Typhoon-CNNs進(jìn)行對(duì)比實(shí)驗(yàn),具體結(jié)果見表4。

    表4 精度評(píng)價(jià)

    對(duì)比表4發(fā)現(xiàn)針對(duì)現(xiàn)有的測試集樣本,相比于淺層模型結(jié)構(gòu)SVM和BP,深度卷積神經(jīng)網(wǎng)絡(luò)能高效地學(xué)習(xí)到云圖中深層非線性特征,提高模型的識(shí)別精度。相比于CNN模型,本文模型對(duì)臺(tái)風(fēng)等級(jí)分類的效果明顯,精度提高了14.84%。分別對(duì)CNN和Typhoon-CNNs模型的隱藏層可視化結(jié)果如圖8所示。

    圖8 模型特征可視化

    對(duì)比圖8中黃色區(qū)域發(fā)現(xiàn)CNN丟失了云圖的局部特征,從而導(dǎo)致分類能力降低。分析原因,CNN采樣層的使用,使得模型丟失了臺(tái)風(fēng)云圖中臺(tái)風(fēng)眼、密蔽云區(qū)和螺旋云帶的特征而更多地提取臺(tái)風(fēng)邊緣的纖維狀云特征,使得模型的分類能力降低。本文的模型能很好地提取黃色區(qū)域特征,這也證明Typhoon-CNNs對(duì)CNN的改善。

    綜上所述,與傳統(tǒng)方法相比,本文提出的模型在臺(tái)風(fēng)分類效果明顯。因此具有深度學(xué)習(xí)架構(gòu)的Typhoon-CNNs對(duì)于衛(wèi)星云圖的特征更能精確表達(dá),證明Typhoon-CNNs的有效性。

    4 結(jié)束語

    衛(wèi)星云圖是監(jiān)測臺(tái)風(fēng)的有效手段之一,衛(wèi)星云圖蘊(yùn)涵了豐富的天氣演變信息,深度學(xué)習(xí)避免了顯式的特征提取,直接處理圖片將特征提取功能融合進(jìn)多層感知器。本文提出的適應(yīng)衛(wèi)星云圖等級(jí)分類的Typhoon-CNNs模型,主要結(jié)論如下:

    ①Typhoon-CNNs將特征提取過程中卷積核參數(shù)和分類器參數(shù)整合到模型中。針對(duì)不同時(shí)刻引起的特征變化使分類器很難保持穩(wěn)定的識(shí)別率,網(wǎng)絡(luò)引入信息熵穩(wěn)定識(shí)別率;采用循環(huán)卷積優(yōu)化選擇濾波器參數(shù)增強(qiáng)模型的表征力。針對(duì)模型存在的過擬合問題,提出優(yōu)化調(diào)節(jié)Dropout置零率,使模型的正確率從91.16%提高到92.5%,有效防止過擬合。

    ②利用準(zhǔn)確率評(píng)價(jià)指標(biāo)對(duì)Typhoon-CNNs和傳統(tǒng)模型評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明在現(xiàn)有的樣本基礎(chǔ)上,Typhoon-CNNs平均正確率達(dá)到92.5%,優(yōu)于傳統(tǒng)分類方法,為后續(xù)的臺(tái)風(fēng)強(qiáng)度等級(jí)分類奠定基礎(chǔ)。

    ③基于衛(wèi)星云圖及深度學(xué)習(xí)的臺(tái)風(fēng)等級(jí)研究目前還處在初期,還有幾個(gè)方面需要做進(jìn)一步研究,如對(duì)衛(wèi)星云圖分割預(yù)處理、采用變尺寸卷積核增強(qiáng)模型特征提取能力、考慮臺(tái)風(fēng)時(shí)間序列因素對(duì)分類的影響。

    猜你喜歡
    云圖正確率特征提取
    門診分診服務(wù)態(tài)度與正確率對(duì)護(hù)患關(guān)系的影響
    成都云圖控股股份有限公司
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    黃強(qiáng)先生作品《雨后松云圖》
    名家名作(2017年3期)2017-09-15 11:13:37
    Bagging RCSP腦電特征提取算法
    生意
    品管圈活動(dòng)在提高介入手術(shù)安全核查正確率中的應(yīng)用
    基于TV-L1分解的紅外云圖超分辨率算法
    生意
    云圖青石板
    久久精品国产自在天天线| 永久免费av网站大全| 国产无遮挡羞羞视频在线观看| 久久99热这里只频精品6学生| 成人国产av品久久久| 女人被躁到高潮嗷嗷叫费观| 黄片播放在线免费| 精品一区二区三区四区五区乱码 | 丝袜喷水一区| 国产精品一区www在线观看| 久久午夜综合久久蜜桃| 欧美人与性动交α欧美精品济南到 | www.av在线官网国产| 免费少妇av软件| 精品99又大又爽又粗少妇毛片| 欧美亚洲日本最大视频资源| 亚洲av电影在线观看一区二区三区| 久久精品国产自在天天线| 性高湖久久久久久久久免费观看| 精品亚洲乱码少妇综合久久| 中文字幕制服av| 国产 精品1| 亚洲av电影在线观看一区二区三区| 精品午夜福利在线看| 成人毛片60女人毛片免费| 欧美97在线视频| 男男h啪啪无遮挡| 亚洲av成人精品一二三区| 久久久久久久久久久久大奶| 欧美精品一区二区大全| 蜜桃在线观看..| 男女午夜视频在线观看 | 热re99久久国产66热| 欧美最新免费一区二区三区| 日韩电影二区| 狠狠精品人妻久久久久久综合| 国产精品99久久99久久久不卡 | 蜜桃在线观看..| 国产亚洲精品第一综合不卡 | 亚洲第一区二区三区不卡| 久久精品aⅴ一区二区三区四区 | 青青草视频在线视频观看| 日韩大片免费观看网站| 亚洲一区二区三区欧美精品| 国产成人精品在线电影| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 91aial.com中文字幕在线观看| 国产女主播在线喷水免费视频网站| 亚洲久久久国产精品| 美女中出高潮动态图| 免费少妇av软件| 久久人人97超碰香蕉20202| 九色亚洲精品在线播放| 一级毛片我不卡| 91精品伊人久久大香线蕉| 国产男女内射视频| 26uuu在线亚洲综合色| 亚洲精品乱码久久久久久按摩| 五月开心婷婷网| 考比视频在线观看| 亚洲三级黄色毛片| 纯流量卡能插随身wifi吗| 国产亚洲一区二区精品| 大香蕉97超碰在线| 日本欧美国产在线视频| 91精品国产国语对白视频| 又粗又硬又长又爽又黄的视频| 久久久久久伊人网av| 精品国产一区二区久久| 18在线观看网站| 日日啪夜夜爽| 国产日韩一区二区三区精品不卡| 国精品久久久久久国模美| 国产片内射在线| 少妇的逼好多水| 少妇人妻久久综合中文| 男人操女人黄网站| 亚洲精品乱码久久久久久按摩| 国产av码专区亚洲av| 免费av不卡在线播放| 国产一区二区三区综合在线观看 | 免费不卡的大黄色大毛片视频在线观看| 哪个播放器可以免费观看大片| 亚洲av成人精品一二三区| 欧美亚洲日本最大视频资源| 新久久久久国产一级毛片| 精品人妻一区二区三区麻豆| 精品人妻一区二区三区麻豆| 久久99热6这里只有精品| 好男人视频免费观看在线| 国产精品久久久久久av不卡| 精品卡一卡二卡四卡免费| 一本大道久久a久久精品| 欧美不卡视频在线免费观看 | 丁香欧美五月| 亚洲 国产 在线| 激情视频va一区二区三区| 欧美不卡视频在线免费观看 | 男女免费视频国产| 成在线人永久免费视频| 91av网站免费观看| 91成年电影在线观看| 亚洲av第一区精品v没综合| 精品国产一区二区三区久久久樱花| 午夜福利,免费看| 国产又爽黄色视频| 久久人人97超碰香蕉20202| 999久久久国产精品视频| 亚洲熟女毛片儿| 一边摸一边做爽爽视频免费| 午夜精品国产一区二区电影| 99久久人妻综合| 亚洲 国产 在线| 一进一出抽搐gif免费好疼 | 午夜视频精品福利| 不卡一级毛片| 日本wwww免费看| 国产国语露脸激情在线看| 成人手机av| av中文乱码字幕在线| 曰老女人黄片| 精品无人区乱码1区二区| 精品无人区乱码1区二区| 色婷婷av一区二区三区视频| 法律面前人人平等表现在哪些方面| 午夜老司机福利片| 日本一区二区免费在线视频| 日韩人妻精品一区2区三区| 99国产综合亚洲精品| 中国美女看黄片| 国产精品偷伦视频观看了| 99香蕉大伊视频| 久久精品亚洲av国产电影网| 丝袜人妻中文字幕| 男女免费视频国产| 久久久久久久久久久久大奶| 免费观看a级毛片全部| 国产色视频综合| 女人久久www免费人成看片| 欧美午夜高清在线| 午夜精品国产一区二区电影| 97人妻天天添夜夜摸| 纯流量卡能插随身wifi吗| av中文乱码字幕在线| 午夜影院日韩av| 国产乱人伦免费视频| 国产亚洲一区二区精品| 黄色成人免费大全| 黄色 视频免费看| 女性被躁到高潮视频| 脱女人内裤的视频| 国产激情欧美一区二区| 韩国av一区二区三区四区| 久久精品亚洲精品国产色婷小说| 少妇猛男粗大的猛烈进出视频| 正在播放国产对白刺激| 久久这里只有精品19| 两人在一起打扑克的视频| 夫妻午夜视频| 免费av中文字幕在线| 国产高清videossex| 国产国语露脸激情在线看| 一级a爱片免费观看的视频| 91成人精品电影| 又黄又爽又免费观看的视频| 久久久久久久久免费视频了| 一级毛片精品| 中文字幕av电影在线播放| 我的亚洲天堂| 超碰成人久久| 激情视频va一区二区三区| 日本五十路高清| 大型黄色视频在线免费观看| 一进一出抽搐gif免费好疼 | 超碰成人久久| 久久精品国产综合久久久| 国产1区2区3区精品| 两性午夜刺激爽爽歪歪视频在线观看 | 久久人人97超碰香蕉20202| 久久天堂一区二区三区四区| 亚洲精品一二三| 90打野战视频偷拍视频| 精品国产美女av久久久久小说| 中文字幕人妻丝袜一区二区| 超色免费av| 国产欧美日韩综合在线一区二区| 久久久国产成人免费| 午夜精品久久久久久毛片777| 亚洲一码二码三码区别大吗| 亚洲一区二区三区欧美精品| 亚洲aⅴ乱码一区二区在线播放 | 欧美日韩精品网址| 少妇粗大呻吟视频| 欧美成人午夜精品| 国产xxxxx性猛交| 黄色视频,在线免费观看| 超色免费av| 成熟少妇高潮喷水视频| 日韩一卡2卡3卡4卡2021年| 在线观看午夜福利视频| 亚洲精品中文字幕一二三四区| 99国产精品免费福利视频| 久热这里只有精品99| 91麻豆精品激情在线观看国产 | 伊人久久大香线蕉亚洲五| 国产成人系列免费观看| 成在线人永久免费视频| 亚洲色图 男人天堂 中文字幕| 人妻久久中文字幕网| 精品国内亚洲2022精品成人 | 亚洲午夜精品一区,二区,三区| 国产片内射在线| 久久久久久久久免费视频了| 50天的宝宝边吃奶边哭怎么回事| 久久青草综合色| 无限看片的www在线观看| 欧美乱色亚洲激情| 成人永久免费在线观看视频| 午夜91福利影院| 亚洲国产欧美日韩在线播放| avwww免费| 亚洲性夜色夜夜综合| 人人妻人人澡人人看| 国产男女内射视频| 99久久99久久久精品蜜桃| 国产精品98久久久久久宅男小说| 老熟女久久久| 久久亚洲精品不卡| 亚洲av美国av| 69av精品久久久久久| 一进一出抽搐动态| 丰满人妻熟妇乱又伦精品不卡| 无限看片的www在线观看| 久久人人97超碰香蕉20202| 国产精品二区激情视频| 99riav亚洲国产免费| 国产精品永久免费网站| 高清欧美精品videossex| 日韩欧美国产一区二区入口| 在线永久观看黄色视频| 国产午夜精品久久久久久| 久久久久久久久久久久大奶| 性少妇av在线| 国产高清国产精品国产三级| 看黄色毛片网站| 麻豆成人av在线观看| 亚洲专区中文字幕在线| 80岁老熟妇乱子伦牲交| 叶爱在线成人免费视频播放| 1024视频免费在线观看| 日本vs欧美在线观看视频| 黄色怎么调成土黄色| 日本黄色视频三级网站网址 | 日本vs欧美在线观看视频| 国产aⅴ精品一区二区三区波| 无限看片的www在线观看| 亚洲精品一卡2卡三卡4卡5卡| 纯流量卡能插随身wifi吗| 两个人免费观看高清视频| 亚洲性夜色夜夜综合| 久久久国产成人免费| 女性生殖器流出的白浆| 久久人妻熟女aⅴ| 18禁黄网站禁片午夜丰满| 国产1区2区3区精品| 妹子高潮喷水视频| 欧美黑人欧美精品刺激| av网站免费在线观看视频| 在线观看免费午夜福利视频| www.精华液| 变态另类成人亚洲欧美熟女 | 精品国产一区二区久久| 91老司机精品| 欧美日韩瑟瑟在线播放| 欧美+亚洲+日韩+国产| 久久中文看片网| 亚洲国产欧美一区二区综合| 日本一区二区免费在线视频| 久久国产精品人妻蜜桃| 999精品在线视频| 美女高潮喷水抽搐中文字幕| 精品国产乱码久久久久久男人| 欧美乱妇无乱码| 国产男女内射视频| 欧美国产精品va在线观看不卡| 亚洲伊人色综图| 国产免费现黄频在线看| 又大又爽又粗| 欧美日韩亚洲国产一区二区在线观看 | 精品久久久久久久久久免费视频 | 久久草成人影院| 久久精品亚洲精品国产色婷小说| 久久亚洲精品不卡| 精品一区二区三区四区五区乱码| 水蜜桃什么品种好| 在线免费观看的www视频| 免费观看a级毛片全部| 成年人午夜在线观看视频| 99精品欧美一区二区三区四区| 一级作爱视频免费观看| 看免费av毛片| 黄网站色视频无遮挡免费观看| 99精品欧美一区二区三区四区| 美女 人体艺术 gogo| 窝窝影院91人妻| 热re99久久精品国产66热6| 成年动漫av网址| 麻豆av在线久日| 日本一区二区免费在线视频| 午夜激情av网站| 国产一区二区激情短视频| 操美女的视频在线观看| 精品少妇一区二区三区视频日本电影| 亚洲国产看品久久| 国产熟女午夜一区二区三区| 精品卡一卡二卡四卡免费| 91麻豆精品激情在线观看国产 | e午夜精品久久久久久久| 下体分泌物呈黄色| 日韩欧美一区二区三区在线观看 | 日日摸夜夜添夜夜添小说| av中文乱码字幕在线| 中国美女看黄片| 亚洲av成人一区二区三| 亚洲成人国产一区在线观看| 69精品国产乱码久久久| 成人18禁高潮啪啪吃奶动态图| av免费在线观看网站| 国产主播在线观看一区二区| 日本a在线网址| av片东京热男人的天堂| 欧美精品亚洲一区二区| 美女午夜性视频免费| 国产男女超爽视频在线观看| 免费在线观看黄色视频的| 黄片播放在线免费| 国产欧美日韩一区二区三区在线| 欧美激情高清一区二区三区| 亚洲avbb在线观看| 一级黄色大片毛片| 国产精品久久久av美女十八| 国产亚洲精品久久久久5区| 精品午夜福利视频在线观看一区| 亚洲五月色婷婷综合| 亚洲中文av在线| 久久草成人影院| 又黄又粗又硬又大视频| 亚洲精品美女久久久久99蜜臀| 男女高潮啪啪啪动态图| videos熟女内射| 91国产中文字幕| 在线播放国产精品三级| 日韩欧美国产一区二区入口| 久久午夜亚洲精品久久| www日本在线高清视频| 岛国毛片在线播放| xxx96com| tube8黄色片| 香蕉国产在线看| 欧美精品啪啪一区二区三区| 色94色欧美一区二区| 校园春色视频在线观看| 国产精品影院久久| 男人的好看免费观看在线视频 | 搡老乐熟女国产| av欧美777| 亚洲精品乱久久久久久| 国产欧美日韩一区二区三区在线| 在线观看午夜福利视频| 亚洲午夜精品一区,二区,三区| 亚洲av日韩精品久久久久久密| 人人澡人人妻人| 1024香蕉在线观看| svipshipincom国产片| 无遮挡黄片免费观看| 中文字幕人妻熟女乱码| 丰满饥渴人妻一区二区三| 天天操日日干夜夜撸| 国产1区2区3区精品| 精品人妻熟女毛片av久久网站| 久久人妻av系列| 欧美黑人精品巨大| 日本撒尿小便嘘嘘汇集6| 下体分泌物呈黄色| 他把我摸到了高潮在线观看| 极品人妻少妇av视频| 欧美日韩瑟瑟在线播放| 午夜福利在线免费观看网站| 脱女人内裤的视频| 天天躁夜夜躁狠狠躁躁| 男女之事视频高清在线观看| 人人澡人人妻人| 在线视频色国产色| 欧洲精品卡2卡3卡4卡5卡区| 黄色 视频免费看| 电影成人av| 757午夜福利合集在线观看| 久久久国产精品麻豆| 亚洲情色 制服丝袜| 久热这里只有精品99| 18禁黄网站禁片午夜丰满| 国产亚洲av高清不卡| 精品福利永久在线观看| 99久久99久久久精品蜜桃| 国产三级黄色录像| 免费观看精品视频网站| 热99久久久久精品小说推荐| 日韩欧美在线二视频 | 亚洲一区高清亚洲精品| 亚洲欧美激情在线| 久久久久久久精品吃奶| 国产免费男女视频| 久久久水蜜桃国产精品网| 校园春色视频在线观看| 伊人久久大香线蕉亚洲五| 久久性视频一级片| 九色亚洲精品在线播放| 香蕉丝袜av| 亚洲精品久久午夜乱码| 精品一区二区三卡| 制服诱惑二区| 精品久久久久久久久久免费视频 | 国产男女内射视频| 三上悠亚av全集在线观看| 亚洲国产欧美一区二区综合| 国产精品 欧美亚洲| 国产精品免费视频内射| 99re6热这里在线精品视频| 亚洲精品国产色婷婷电影| 日韩 欧美 亚洲 中文字幕| 中文字幕色久视频| 在线观看免费视频日本深夜| 免费高清在线观看日韩| 精品第一国产精品| 另类亚洲欧美激情| 欧美国产精品一级二级三级| 村上凉子中文字幕在线| aaaaa片日本免费| 欧美日韩黄片免| 一边摸一边抽搐一进一小说 | 亚洲男人天堂网一区| 成年女人毛片免费观看观看9 | 亚洲欧美一区二区三区黑人| 精品久久久精品久久久| 国产蜜桃级精品一区二区三区 | 久久久国产欧美日韩av| 亚洲熟女精品中文字幕| 成年版毛片免费区| 国产精品自产拍在线观看55亚洲 | 久久精品人人爽人人爽视色| 国产欧美日韩一区二区精品| 国产极品粉嫩免费观看在线| 国产片内射在线| 国产日韩欧美亚洲二区| 香蕉丝袜av| 最新美女视频免费是黄的| 成人国产一区最新在线观看| 亚洲性夜色夜夜综合| www.精华液| 999久久久国产精品视频| 欧美日韩中文字幕国产精品一区二区三区 | 免费久久久久久久精品成人欧美视频| 国产精品 欧美亚洲| 欧美日韩瑟瑟在线播放| 国产91精品成人一区二区三区| 青草久久国产| 91精品国产国语对白视频| 国产真人三级小视频在线观看| 一级作爱视频免费观看| 757午夜福利合集在线观看| 99在线人妻在线中文字幕 | 国产亚洲av高清不卡| 在线天堂中文资源库| 可以免费在线观看a视频的电影网站| 久久国产精品影院| 嫩草影视91久久| 亚洲va日本ⅴa欧美va伊人久久| avwww免费| 久9热在线精品视频| 又黄又爽又免费观看的视频| 国产一区二区三区综合在线观看| 亚洲成a人片在线一区二区| 欧美不卡视频在线免费观看 | 欧美乱妇无乱码| 亚洲成人手机| 免费在线观看完整版高清| 欧美日韩福利视频一区二区| 亚洲熟女毛片儿| 母亲3免费完整高清在线观看| 国产精品乱码一区二三区的特点 | 不卡一级毛片| 视频在线观看一区二区三区| 少妇 在线观看| 日韩大码丰满熟妇| 久热爱精品视频在线9| a级毛片在线看网站| 欧美国产精品va在线观看不卡| 久久久国产精品麻豆| 真人做人爱边吃奶动态| www.999成人在线观看| 淫妇啪啪啪对白视频| 亚洲,欧美精品.| 欧美大码av| 欧美午夜高清在线| 婷婷丁香在线五月| 午夜视频精品福利| 久久久久国内视频| 亚洲专区字幕在线| www.999成人在线观看| 亚洲成国产人片在线观看| 麻豆乱淫一区二区| 国产免费现黄频在线看| av网站在线播放免费| 亚洲精品在线观看二区| 久久天躁狠狠躁夜夜2o2o| 午夜91福利影院| 99国产精品免费福利视频| 很黄的视频免费| 亚洲精品在线美女| 高清黄色对白视频在线免费看| 亚洲国产欧美网| 大香蕉久久网| 久久 成人 亚洲| 国产深夜福利视频在线观看| a在线观看视频网站| 亚洲va日本ⅴa欧美va伊人久久| videosex国产| 久久热在线av| 另类亚洲欧美激情| 成人18禁在线播放| 丁香欧美五月| 精品久久蜜臀av无| 久久久久久久国产电影| 桃红色精品国产亚洲av| 久久精品亚洲熟妇少妇任你| 欧美日韩中文字幕国产精品一区二区三区 | 欧美日韩中文字幕国产精品一区二区三区 | 十分钟在线观看高清视频www| 黄色成人免费大全| 国产亚洲精品久久久久5区| 免费一级毛片在线播放高清视频 | tocl精华| 97人妻天天添夜夜摸| 俄罗斯特黄特色一大片| 精品久久久久久久久久免费视频 | 免费日韩欧美在线观看| 亚洲av成人av| av国产精品久久久久影院| 成年人免费黄色播放视频| 啦啦啦视频在线资源免费观看| 五月开心婷婷网| 99久久99久久久精品蜜桃| 俄罗斯特黄特色一大片| 欧美日韩国产mv在线观看视频| 中文字幕另类日韩欧美亚洲嫩草| 热re99久久国产66热| av有码第一页| 日日爽夜夜爽网站| 19禁男女啪啪无遮挡网站| av天堂久久9| 久热这里只有精品99| 成熟少妇高潮喷水视频| 涩涩av久久男人的天堂| 免费在线观看亚洲国产| 国产精品影院久久| av福利片在线| 色老头精品视频在线观看| 国产av精品麻豆| 精品国产乱子伦一区二区三区| 精品乱码久久久久久99久播| 亚洲综合色网址| 韩国精品一区二区三区| 麻豆国产av国片精品| 在线观看www视频免费| 91国产中文字幕| 精品福利观看| 天堂中文最新版在线下载| 91在线观看av| 岛国毛片在线播放| 亚洲精品av麻豆狂野| 人人妻人人爽人人添夜夜欢视频| √禁漫天堂资源中文www| 一区福利在线观看| 中出人妻视频一区二区| 亚洲少妇的诱惑av| 久久精品国产99精品国产亚洲性色 | 国产精品久久久久久精品古装| 中国美女看黄片| 精品少妇一区二区三区视频日本电影| 麻豆av在线久日| 在线观看免费视频日本深夜| 久久久久久久久久久久大奶| 变态另类成人亚洲欧美熟女 | 最新美女视频免费是黄的| 一进一出好大好爽视频| 成人影院久久| 日韩欧美一区二区三区在线观看 | 午夜91福利影院| 19禁男女啪啪无遮挡网站| 啦啦啦在线免费观看视频4| 18禁国产床啪视频网站| 伦理电影免费视频| 在线观看免费视频网站a站| 精品欧美一区二区三区在线| 无遮挡黄片免费观看| 亚洲成国产人片在线观看| 在线视频色国产色| 国产成人免费观看mmmm| 新久久久久国产一级毛片| 久久久精品国产亚洲av高清涩受| 好男人电影高清在线观看| 18禁黄网站禁片午夜丰满| 日本五十路高清| 老司机午夜福利在线观看视频| 国产在线观看jvid|