简介：介绍了数据挖掘、机器学习和深度学习的概念和相互关系,按照整体性学习理论建立了气象领域深度学习知识体系框架,简要介绍了当前主流的深度学习框架工具Caffe和TensorFlow,以及深度学习在气象领域的几个前沿应用,最后提出了推进深度学习技术在气象领域研究应用应当重视的三个关键环节.
简介：利用2015—2016年福州城区内涝和地面气象观测资料,分析内涝成因、最大降雨量与积水深度的关系,建立城市内涝积水深度拟合方程,并对拟合效果进行了检验。结果表明：1）导致福州城市内涝的突发性原因占26%,是城市管网等数据更新困难的主因,非突发性原因占74%;2）在3次不同天气系统的降雨量拟合结果中,雨季降水过程拟合平均绝对误差最小,午后雷雨天气降雨过程拟合平均绝对误差最大;3）对内涝积水深度负拟合值进行归零处理和阈值限定后,其结果均与实况相符;4）基于最新数据资料所得拟合值的误差更小。
气象领域深度学习知识体系框架及前沿应用
利用最大降水量拟合福州城市内涝积水深度的误差分析
