• <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
    久久久精品免费免费高清| 日本色播在线视频| 亚洲精华国产精华液的使用体验| 两个人免费观看高清视频 | 亚洲国产精品专区欧美| 少妇丰满av| 国产精品秋霞免费鲁丝片| 精品一区二区免费观看| 亚洲av.av天堂| 一本—道久久a久久精品蜜桃钙片| 国产视频首页在线观看| 国产黄片视频在线免费观看| 亚洲国产最新在线播放| 久久久久网色| 亚洲欧美一区二区三区国产| 久久国产精品男人的天堂亚洲 | 亚洲国产毛片av蜜桃av| 日本-黄色视频高清免费观看| 精品国产乱码久久久久久小说| 在线观看国产h片| 国产片特级美女逼逼视频| 国产亚洲av片在线观看秒播厂| 亚洲欧美日韩东京热| 国产精品成人在线| 日日撸夜夜添| 观看美女的网站| 中文天堂在线官网| 成年人免费黄色播放视频 | 久久狼人影院| 九草在线视频观看| 99国产精品免费福利视频| 久久毛片免费看一区二区三区| 青春草视频在线免费观看| 亚洲在久久综合| 内射极品少妇av片p| 亚洲国产精品成人久久小说| 国产中年淑女户外野战色| 亚洲不卡免费看| 在线观看人妻少妇| av视频免费观看在线观看| 国产成人一区二区在线| 亚洲经典国产精华液单| 国产成人精品久久久久久| 男人舔奶头视频| av福利片在线| 日韩中文字幕视频在线看片| 欧美性感艳星| 男男h啪啪无遮挡| 中文乱码字字幕精品一区二区三区| 99热全是精品| 高清毛片免费看| 美女中出高潮动态图| 国产精品99久久久久久久久| 国产高清不卡午夜福利| a级毛片在线看网站| 亚洲美女视频黄频| 多毛熟女@视频| 人人澡人人妻人| 精品少妇内射三级| 熟女人妻精品中文字幕| 晚上一个人看的免费电影| 久久久国产欧美日韩av| 18+在线观看网站| 久久久久久久久久久免费av| 免费在线观看成人毛片| 亚洲不卡免费看| 久热这里只有精品99| 欧美激情极品国产一区二区三区 | 狂野欧美激情性bbbbbb| 欧美日韩亚洲高清精品| 成人美女网站在线观看视频| 高清视频免费观看一区二区| 精品国产露脸久久av麻豆| 亚洲av中文av极速乱| 亚洲欧美成人综合另类久久久| 激情五月婷婷亚洲| 一级毛片久久久久久久久女| 91久久精品国产一区二区成人| 一区二区三区四区激情视频| 99久久精品国产国产毛片| 在线观看www视频免费| 国语对白做爰xxxⅹ性视频网站| 边亲边吃奶的免费视频| 精品国产乱码久久久久久小说| 亚洲自偷自拍三级| 国产精品一区二区在线不卡| 亚洲,一卡二卡三卡| 精品国产一区二区久久| 高清在线视频一区二区三区| 伊人久久国产一区二区| 观看免费一级毛片| 亚洲精品一区蜜桃| 中文字幕av电影在线播放| 亚洲色图综合在线观看| 国国产精品蜜臀av免费| 国产亚洲欧美精品永久| 好男人视频免费观看在线| 青春草国产在线视频| 一级爰片在线观看| 内射极品少妇av片p| 欧美最新免费一区二区三区| 日产精品乱码卡一卡2卡三| 极品人妻少妇av视频| 国产高清国产精品国产三级| 91精品国产国语对白视频| 韩国av在线不卡| 亚洲第一av免费看| 夫妻性生交免费视频一级片| 最近最新中文字幕免费大全7| av卡一久久| 新久久久久国产一级毛片| 精品国产露脸久久av麻豆| 日韩中文字幕视频在线看片| 韩国高清视频一区二区三区| 高清视频免费观看一区二区| 国产精品成人在线| 少妇人妻 视频| 亚洲精品中文字幕在线视频 | 麻豆精品久久久久久蜜桃| 亚洲精品成人av观看孕妇| videos熟女内射| 人人妻人人爽人人添夜夜欢视频 | 七月丁香在线播放| 丰满乱子伦码专区| 成人无遮挡网站| 青春草国产在线视频| tube8黄色片| 少妇高潮的动态图| 亚洲一区二区三区欧美精品| 免费高清在线观看视频在线观看| 亚洲人成网站在线观看播放| 免费大片黄手机在线观看| 大陆偷拍与自拍| 99热这里只有精品一区| 国产精品久久久久久精品古装| 久久ye,这里只有精品| 亚洲欧美日韩卡通动漫| 免费观看无遮挡的男女| 一区二区三区四区激情视频| 久久韩国三级中文字幕| 熟女人妻精品中文字幕| 在线观看www视频免费| 99热这里只有精品一区| 一个人免费看片子| 久久久久久久亚洲中文字幕| 精品亚洲成国产av| 久久国产精品男人的天堂亚洲 | 99视频精品全部免费 在线| 国产高清不卡午夜福利| 男女免费视频国产| 在线看a的网站| 国产一区二区在线观看日韩| 在线看a的网站| 精品久久久噜噜| 亚洲久久久国产精品| 一级,二级,三级黄色视频| 免费不卡的大黄色大毛片视频在线观看| 久久久国产一区二区| 久久99热这里只频精品6学生| 麻豆成人午夜福利视频| 久久精品国产a三级三级三级| a级片在线免费高清观看视频| 亚洲成人av在线免费| 五月伊人婷婷丁香| 偷拍熟女少妇极品色| 中文字幕免费在线视频6| 夜夜看夜夜爽夜夜摸| 国产精品免费大片| 欧美成人午夜免费资源| 亚洲av中文av极速乱| 亚洲,一卡二卡三卡| 丝袜喷水一区| 欧美日韩视频精品一区| 毛片一级片免费看久久久久| 另类亚洲欧美激情| 少妇人妻久久综合中文| 亚洲欧美日韩另类电影网站| 插逼视频在线观看| 欧美国产精品一级二级三级 | 亚洲精品自拍成人| 最后的刺客免费高清国语| 欧美变态另类bdsm刘玥| 精品一区二区免费观看| 韩国高清视频一区二区三区| 天堂中文最新版在线下载| 一级毛片电影观看| 中文字幕亚洲精品专区| 亚洲精品日韩在线中文字幕| 欧美日韩国产mv在线观看视频| 成年女人在线观看亚洲视频| 国产极品粉嫩免费观看在线 | 黄色视频在线播放观看不卡| 丝袜喷水一区| 狠狠精品人妻久久久久久综合| 夫妻午夜视频| 人人澡人人妻人| 少妇熟女欧美另类| 中文字幕久久专区| 国产高清不卡午夜福利| 婷婷色综合大香蕉| 久久青草综合色| 久热久热在线精品观看| 亚洲无线观看免费| 精品午夜福利在线看| 在线观看www视频免费| 国产男女超爽视频在线观看| 亚洲欧洲日产国产| 伊人久久国产一区二区| 国产精品一区www在线观看| 久久久久国产网址| 国产精品三级大全| av在线app专区| 亚洲精品视频女| 一区二区三区免费毛片| 欧美+日韩+精品| 十分钟在线观看高清视频www | 亚洲国产毛片av蜜桃av| 久久久午夜欧美精品| 六月丁香七月| 欧美变态另类bdsm刘玥| 国产精品国产三级国产av玫瑰| 99热全是精品| 亚洲欧美一区二区三区黑人 | 久久久久久久久久人人人人人人| 国产综合精华液| 老女人水多毛片| 国产精品偷伦视频观看了| 精品久久久精品久久久| 国产精品99久久久久久久久| 自拍欧美九色日韩亚洲蝌蚪91 | 七月丁香在线播放| 晚上一个人看的免费电影| 我的老师免费观看完整版| 亚洲精品久久午夜乱码| 另类亚洲欧美激情| 777米奇影视久久| 国产一级毛片在线| 这个男人来自地球电影免费观看 | 精品亚洲成国产av| 少妇被粗大猛烈的视频| 亚洲欧美中文字幕日韩二区| 九九在线视频观看精品| 9色porny在线观看| h视频一区二区三区| 久久精品国产自在天天线| 曰老女人黄片| 欧美区成人在线视频| 亚洲国产精品一区三区| 精品一品国产午夜福利视频| 各种免费的搞黄视频| 国产精品久久久久久精品古装| 国产成人精品久久久久久| 黄色怎么调成土黄色| 国产成人精品一,二区| 最黄视频免费看| 国产片特级美女逼逼视频| 黄色一级大片看看| 欧美性感艳星| av视频免费观看在线观看| 我的女老师完整版在线观看| 免费黄色在线免费观看| 91精品一卡2卡3卡4卡| 国产色爽女视频免费观看| 男人狂女人下面高潮的视频| h视频一区二区三区| 国产黄色免费在线视频| 丰满乱子伦码专区| 最近的中文字幕免费完整| 国产成人精品婷婷| 美女内射精品一级片tv| 狂野欧美激情性bbbbbb| 精品久久久噜噜| 欧美区成人在线视频| 爱豆传媒免费全集在线观看| 一本一本综合久久| 免费少妇av软件| 天天操日日干夜夜撸| 欧美少妇被猛烈插入视频| 亚洲精品第二区| 国产探花极品一区二区| 色吧在线观看| 麻豆成人午夜福利视频| 国产午夜精品一二区理论片| 国产成人免费观看mmmm| 三上悠亚av全集在线观看 | 2021少妇久久久久久久久久久| 国产成人freesex在线| 国产精品三级大全| 黄色欧美视频在线观看| 极品人妻少妇av视频| 另类精品久久| 久久免费观看电影| 国产精品久久久久久精品电影小说| 九草在线视频观看| 日本av手机在线免费观看| 青春草视频在线免费观看| 极品人妻少妇av视频| 一级av片app| 日韩人妻高清精品专区| 男人和女人高潮做爰伦理| av有码第一页| 久久人人爽av亚洲精品天堂| 久久久精品免费免费高清| 国产精品国产三级国产av玫瑰| 欧美日韩亚洲高清精品| 成人黄色视频免费在线看| 简卡轻食公司| 国内少妇人妻偷人精品xxx网站| 99九九在线精品视频 | 亚洲四区av| 伦理电影大哥的女人| 少妇裸体淫交视频免费看高清| a级一级毛片免费在线观看| 成人国产av品久久久| 午夜免费男女啪啪视频观看| 亚洲国产欧美在线一区| 久久久a久久爽久久v久久| 久久精品久久久久久噜噜老黄| 99热6这里只有精品| 制服丝袜香蕉在线| 在线 av 中文字幕| 在线看a的网站| 最后的刺客免费高清国语| 国产精品一区二区三区四区免费观看| 成人影院久久| 国产淫语在线视频| xxx大片免费视频| 精品亚洲乱码少妇综合久久| 亚洲国产av新网站| 免费黄网站久久成人精品| 欧美日韩视频精品一区| 亚洲av综合色区一区| 久久久午夜欧美精品| 国产精品久久久久久精品电影小说| 高清午夜精品一区二区三区| 国产精品欧美亚洲77777| 丝袜在线中文字幕| 内射极品少妇av片p| 少妇熟女欧美另类| 中文资源天堂在线| 亚洲精品久久久久久婷婷小说| 嫩草影院新地址| 丁香六月天网| 亚洲精品乱码久久久久久按摩| 一级毛片久久久久久久久女| 三上悠亚av全集在线观看 | 丰满迷人的少妇在线观看| 极品少妇高潮喷水抽搐| 亚洲欧美精品专区久久| 国产片特级美女逼逼视频| 国产白丝娇喘喷水9色精品| 一级a做视频免费观看| 亚洲不卡免费看| 国产老妇伦熟女老妇高清| 肉色欧美久久久久久久蜜桃| 国内精品宾馆在线| 久久99一区二区三区| 婷婷色综合www| 黄色一级大片看看| 免费久久久久久久精品成人欧美视频 | 国产伦在线观看视频一区| 亚洲熟女精品中文字幕| 国产在视频线精品| 在线观看免费视频网站a站| 国产 一区精品| 春色校园在线视频观看| 国产深夜福利视频在线观看| 永久免费av网站大全| 有码 亚洲区| 亚洲国产欧美日韩在线播放 | 18禁在线播放成人免费| 久久精品国产鲁丝片午夜精品| 交换朋友夫妻互换小说| 高清不卡的av网站| 久久狼人影院| 国产熟女午夜一区二区三区 | 97精品久久久久久久久久精品| 久久久国产精品麻豆| 噜噜噜噜噜久久久久久91| 久久这里有精品视频免费| 高清av免费在线| 夜夜爽夜夜爽视频| 午夜久久久在线观看| 男女无遮挡免费网站观看| 国产亚洲91精品色在线| 少妇被粗大的猛进出69影院 | 日日啪夜夜撸| 天堂俺去俺来也www色官网| 亚洲精品自拍成人| 韩国高清视频一区二区三区| 欧美日韩视频精品一区| 亚洲不卡免费看| 一区二区av电影网| 精品亚洲成国产av| 中文精品一卡2卡3卡4更新| 成年女人在线观看亚洲视频| 男女国产视频网站| 国产伦在线观看视频一区| 欧美性感艳星| 日韩,欧美,国产一区二区三区| 精品少妇久久久久久888优播| 久久精品国产亚洲av涩爱| 精品少妇久久久久久888优播| 伊人久久精品亚洲午夜| 午夜福利视频精品| 在线天堂最新版资源| 最后的刺客免费高清国语| 国产熟女欧美一区二区| 男人和女人高潮做爰伦理| 男的添女的下面高潮视频| 嫩草影院入口| 久久鲁丝午夜福利片| 免费av中文字幕在线| tube8黄色片| 男女边摸边吃奶| av有码第一页| 亚洲综合色惰| 少妇人妻精品综合一区二区| 女性生殖器流出的白浆| 久久ye,这里只有精品| 亚洲精品国产av蜜桃| 99视频精品全部免费 在线| 观看美女的网站| 伊人久久国产一区二区| freevideosex欧美| av卡一久久| 精品少妇黑人巨大在线播放| 黑人猛操日本美女一级片| 夜夜爽夜夜爽视频| 一级毛片电影观看| 丝袜喷水一区| 日韩制服骚丝袜av| 亚洲国产欧美日韩在线播放 | 国产伦精品一区二区三区四那| 欧美精品人与动牲交sv欧美| 色哟哟·www| 一本一本综合久久| 两个人免费观看高清视频 | 亚洲av在线观看美女高潮| 亚洲经典国产精华液单| 青青草视频在线视频观看| av视频免费观看在线观看| 99久久精品热视频| 极品教师在线视频| 色5月婷婷丁香| 免费久久久久久久精品成人欧美视频 | 午夜精品国产一区二区电影| 欧美+日韩+精品| 99精国产麻豆久久婷婷| 大片免费播放器 马上看| 涩涩av久久男人的天堂| av专区在线播放| 各种免费的搞黄视频| 午夜久久久在线观看| 青春草视频在线免费观看| 一级片'在线观看视频| 亚洲精品日本国产第一区| 两个人免费观看高清视频 | 高清毛片免费看| 观看av在线不卡| 韩国高清视频一区二区三区| av.在线天堂| 国产亚洲精品久久久com| 寂寞人妻少妇视频99o| 亚洲av免费高清在线观看| 熟女av电影| 亚洲精品国产成人久久av| 国产成人午夜福利电影在线观看| 啦啦啦在线观看免费高清www| 丁香六月天网| 国产一区二区在线观看日韩| 精品99又大又爽又粗少妇毛片| 看非洲黑人一级黄片| 成人二区视频| 日韩伦理黄色片| 亚洲国产精品国产精品| 精品久久久久久久久亚洲| 中文字幕免费在线视频6| 国产一区二区在线观看av| 如何舔出高潮| 国产午夜精品久久久久久一区二区三区| 免费黄色在线免费观看| 亚洲精品久久午夜乱码| 中国美白少妇内射xxxbb| 日本猛色少妇xxxxx猛交久久| 秋霞伦理黄片| 国产精品秋霞免费鲁丝片| 人妻系列 视频| 一级毛片黄色毛片免费观看视频| 国模一区二区三区四区视频| av福利片在线观看| 91精品伊人久久大香线蕉| 成年人免费黄色播放视频 | 国产日韩欧美视频二区| freevideosex欧美| 一级黄片播放器| 国产极品天堂在线| 一级黄片播放器| av在线观看视频网站免费| 国产精品一二三区在线看| 国产精品国产三级专区第一集| 一级黄片播放器| 亚洲天堂av无毛| 亚洲av不卡在线观看| 国产欧美日韩综合在线一区二区 | 欧美区成人在线视频| 日韩 亚洲 欧美在线| av免费观看日本| 欧美精品高潮呻吟av久久| 18禁在线播放成人免费| 高清午夜精品一区二区三区| 少妇 在线观看| 日韩精品有码人妻一区| 夜夜爽夜夜爽视频| 亚洲av电影在线观看一区二区三区| 成人亚洲精品一区在线观看| 狂野欧美激情性bbbbbb| 99久久精品热视频| 国产成人午夜福利电影在线观看| 亚洲高清免费不卡视频| 亚洲精品日韩在线中文字幕| 亚洲国产精品国产精品| 久久午夜综合久久蜜桃| 人体艺术视频欧美日本| 麻豆精品久久久久久蜜桃| 亚洲av.av天堂| 欧美老熟妇乱子伦牲交| 一区二区三区乱码不卡18| freevideosex欧美| 精品人妻一区二区三区麻豆| 国产高清国产精品国产三级| 黑丝袜美女国产一区| 秋霞在线观看毛片| 一级毛片 在线播放| kizo精华| 亚洲va在线va天堂va国产| 日日啪夜夜撸| 在线观看人妻少妇| 国产综合精华液| 永久网站在线| 亚洲成人一二三区av| 日韩三级伦理在线观看| 伊人久久精品亚洲午夜| av女优亚洲男人天堂| 精华霜和精华液先用哪个| 久久狼人影院| 美女福利国产在线| 亚洲精品日韩在线中文字幕| 乱码一卡2卡4卡精品| 丰满迷人的少妇在线观看| 日本免费在线观看一区| 成人二区视频| 高清av免费在线| 成人免费观看视频高清| 狂野欧美激情性bbbbbb| 久久久久久伊人网av| 日韩在线高清观看一区二区三区| 中文字幕av电影在线播放| 美女大奶头黄色视频| 内地一区二区视频在线| 国产高清国产精品国产三级| 一级毛片黄色毛片免费观看视频| 亚洲精品中文字幕在线视频 | 热99国产精品久久久久久7| 91久久精品电影网| 亚洲天堂av无毛| 成人二区视频| 在线观看免费日韩欧美大片 | 在线 av 中文字幕| 91午夜精品亚洲一区二区三区| 少妇熟女欧美另类| 国产精品无大码| 九九爱精品视频在线观看| 爱豆传媒免费全集在线观看| 午夜免费观看性视频| 18禁在线播放成人免费| 三级经典国产精品| 中文乱码字字幕精品一区二区三区| 蜜臀久久99精品久久宅男| 亚洲精品中文字幕在线视频 | 我要看黄色一级片免费的| 午夜福利网站1000一区二区三区| 一本大道久久a久久精品| 香蕉精品网在线| 午夜av观看不卡| 伊人久久国产一区二区| 22中文网久久字幕| 六月丁香七月| 91精品伊人久久大香线蕉| h视频一区二区三区| 久久久国产欧美日韩av| 免费观看a级毛片全部| 日韩免费高清中文字幕av| 美女脱内裤让男人舔精品视频| 国产亚洲欧美精品永久| 日韩一区二区视频免费看| a级毛片免费高清观看在线播放| 免费少妇av软件| 亚洲精品亚洲一区二区| 一级毛片我不卡| h视频一区二区三区| 日韩熟女老妇一区二区性免费视频| 青春草亚洲视频在线观看| 国产中年淑女户外野战色| 久久人妻熟女aⅴ| 黄色视频在线播放观看不卡| 国产极品天堂在线| 丝袜脚勾引网站| 黄片无遮挡物在线观看| 亚洲人成网站在线播| 少妇的逼水好多| 91在线精品国自产拍蜜月| 丝袜在线中文字幕| 在线播放无遮挡| 久久久午夜欧美精品|