1. 研究目的与意义及国内外研究现状

临近降水预测是区域天气预报中一个很重要的问题，其目的是在某个区域的某个时间段内及时准确地预测雨量强度，从而采取合理的行动。如对大型户外活动的天气指导、果蔬大棚种植的降雨防御措施等社会层面的降雨警报。由于临近降水预测精度要求较高且极具挑战性，因而成为气象学社区里的一个研究热点。关于图像序列的预测方法众多，比如 h.264 帧间预测模式的快速选择算法、基于光流的预测方法等，但是利用神经网络这一复杂组件的方法却很罕见。从机器学习角度进行卫星云图预测，本质上可以看作是一个图像序列预测问题。利用递归神经网络算法建立的模型可以较好地处理卫星云图的预测问题，接着通过模型训练提高网络预测能力。此外，还需通过神经网络参数的调节、激活函数的调整等操作来增强函数的模拟能力。利用卫星云图可以预测某个区域在某个时间段内的未来降水强度，若可预测出云图的变化趋势即可给出未来临近降水预测。如何预测卫星云图这可以从机器学习的角度得到解决，将卫星云图的图像序列作为输入，将预测的未来卫星云图的图像序列作为输出，这种图像序列的预测具有较高的可行性，且从大量数据间发现某种规律也符合事物发展的规律。对卫星云图进行预测处理后，根据相关云的特征可进行临近降水预测，提供参考性的天气预报，方便人们的日常生活。

递归神经网络的函数预测能力的实现需要搜集大量的数据、选择较好的计算方法以及较好的训练方法。那么，基于卫星云图的降水预测才会更加具有可信度。

2. 研究的基本内容

本文主要研究基于递归神经网络算法的卫星云图降水预测， 将对卫星云图变化趋势的预测转换为对图像序列预测， 在预测出卫星云图的基础上， 结合相关云的特征进行临近降水预测，提供参考性的天气预报。

通过递归神经网络算法建立端到端的学习模型， 对大量云图进行训练，从而可以较好地处理卫星云图的预测问题。

3. 实施方案、进度安排及预期效果

具体实施方案如下：

本文分以下几个部分来研究基于卫星云图的降水预测，其中第一部分阐述本文研究背景、意义及相关的发展趋势，预测对流性的降水在区域天气预报中一直是一个很重要问题，及时的降水强度预测可以帮助人们减少损失。 由于降水预测精度要求较高且极具挑战性， 因而成为气象学社区里的一个研究热点。第二部分对相关理论进行简介，概述神经网络以及递归神经网络的起源、发展和运用，接着从卫星云图预测和临近降水预测引出本文研究重点——从机器学习角度利用递归神经网络解决卫星云图图像序列预测问题。

第三部分详细描述本文所用的递归神经算法的网络结构，解释递归神经网络可以捕获序列的信息，实现图像序列的预测的原因。第四部分运用递归神经网络搭建模型来解决基于递归神经网络算法的卫星云图降水预测问题，详细分析模型框架结构并进行解释。第五部分是本文的实验部分，具体阐明实验数据集、操作过程、评价指标，并分析实验结果。第六部分对临近降水预测方法和递归神经网络模型的学习能力、训练技术进行讨论，探讨怎样提高网络学习能力，增强网络训练效果，以及在图像序列预测上的具体应用。第七部分总结全文，并得出本文结论：递归神经网络算法可以用来处理图像序列预测问题，且利用递归神经网络算法来建立的模型可以较好地处理卫星云图的预测问题。

4. 参考文献

[1] 宋彬, 常义林, 李春林. h. 264 帧间预测模式的快速选择算法[j]. 电子学报, 2007, 35(4): 697-700.

[2] 谢存, 孔祥维. 利用光流预测 snakes 模型初期轮廓的动态图象轮廓追迹方法[j]. 中国图象图形学报, 2000,5(8):666-669.

[3] 潘留杰, 张宏芳, 王建鹏. 数值天气预报检验方法研究进展[j]. 地球科学进展, 2014, 29(3):327-335.