一种基于卷积神经网络的高影响天气识别方法

李晓勇; 林璐; 谭贵蓉; 熊胤帆; 李逸豪

doi:10.20033/j.1003-7241.(2024)10-0212-05

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于卷积神经网络的高影响天气识别方法

行业应用与交流 | 更新时间：2026-06-19

- 一种基于卷积神经网络的高影响天气识别方法
- 一种基于卷积神经网络的高影响天气识别方法
- 自动化技术与应用 2024年43卷第10期页码：212-216
- 作者机构：
  
  泸州市气象局
- 作者简介：
- 基金信息：
- DOI：10.20033/j.1003-7241.(2024)10-0212-05
  中图分类号： TP18;TP391.41;P409
- 纸质出版：2024
- 稿件说明：
移动端阅览
李晓勇, 林璐, 谭贵蓉, 等. 一种基于卷积神经网络的高影响天气识别方法[J]. 自动化技术与应用, 2024,43(10):212-216.

李晓勇, 林璐, 谭贵蓉, et al. 一种基于卷积神经网络的高影响天气识别方法[J]. 2024, 43(10): 212-216.
李晓勇, 林璐, 谭贵蓉, 等. 一种基于卷积神经网络的高影响天气识别方法[J]. 自动化技术与应用, 2024,43(10):212-216. DOI： 10.20033/j.1003-7241.(2024)10-0212-05.

李晓勇, 林璐, 谭贵蓉, et al. 一种基于卷积神经网络的高影响天气识别方法[J]. 2024, 43(10): 212-216. DOI： 10.20033/j.1003-7241.(2024)10-0212-05.

摘要

对高影响天气进行精密监测是当前研究热点，基于精细分类天气样本集，提出了一种采用EfficientNet卷积神经网络，应用LookAhead、RAdam相结合的优化器、数据增强训练策略、自动混合精度技术来训练模型，从而获得一种根据天气图像识别高影响天气的新方法。该方法对天气图像识别时效达到0.1-0.4秒/张，识别准确率>95%，识别模型具有良好的效率与精度的平衡。

Abstract

关键词

Keywords

references

高松涛,李锦明,邱赞富,汤敏,王志明.基于Laplacian算子的航飞影像预处理分析[J].测绘与空间地理信息,2024(01).

杨莹,吴爱祥,王先成,王国立.基于RAdam算法优化ResNet50模型膏体图像识别方法研究[J].中国矿业,2023(07).

房梦婷,陈中举.基于卷积神经网络的图像识别研究[J].电脑知识与技术,2020(10).

胡宜昌,董文杰,何勇.21世纪初极端天气气候事件研究进展[J].地球科学进展,2007(10).

王柏林,胡玉峰,李佳.移动式自动气象站设计及其在应急气象环境监测服务中的应用[J].气象科技,2006(05).

施雨舟.基于卷积神经网络的天气识别方法研究[D].上海交通大学,2018(01).

蒋方胜.基于ARM的高速公路自动气象站的研制[D].哈尔滨工业大学,2011(05).

谭永宏.高速公路气象信息采集系统的研究[D].湖南大学,2008(01).

Mingxing Tan,Quoc V. Le.EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks.[J].CoRR,2019.

浏览量

359

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进近邻传播算法的露天煤矿人员定位方法

基于改进模糊均值聚类的汉语文本数据分类方法

基于视觉的配电房巡检机器人避障方法

基于FBCCA和ITCCA的SSVEP融合识别算法

基于改进PSO算法的遥感卫星测绘系统设计