37 / 2023-07-04 11:14:52

基于多尺度注意力网络的雷电安全风险预警

机器学习；注意力网络；雷电安全；风险预警

雷电预警预报技术及其应用 > 雷电预警预报技术

【目的】雷电预警的准确性涉及多方面，尤其是雷电安全风险预警要综合考虑雷电本身以外的承灾体特征和孕灾环境因素。【方法】本文提出一种基于多尺度注意力残差网络的分级雷电安全风险预警模型，该模型实现对重要特征的权重赋值，并且能够提取多尺度的特征，实现雷电安全风险的无等级预警和四级预警两种模式，并与卷积神经网络、支持向量机、随机森林、极致梯度提升法四种机器学习方法所建立预警模型进行比对研究。【结果】通过混淆矩阵，本文计算准确率、召回率、特异度、精确度和F₁分数来对各方法构建的无分级模型进行评价，基于多尺度注意力残差网络构建的分级雷电安全风险预警模型在预警准确率可达95%；通过计算准确率、精确率、召回率和对数损失来进行评价四级预警准确率同样是基于多尺度注意力残差网络构建的模型最高为77%，均值也是最小的。【结论】本文基于MSA得到的分级雷电安全风险预警模型，相比传统机器学习模型均有较好的表现。分级模型与无等级预警模型相比，准确率要差很多，后续还存在很大的优化空间。但也正因为可保证在20km内雷电安全风险预警的准确率，即便分级结果稍差些，也可对目标点的雷电安全提供保障。通过该方法的研究，可见，一方面证实了基于机器学习的雷电安全风险预警的可解释性并有较高的预警准确率，第二方面为了更贴合实际业务应用的需求，要在使用过程中不断优化升级机器学习网络参数获得更好风险分级预警效果。