臨近預報主要指0—3h的高時空分辨率的天氣預報，主要預報對象包括強降水、大風、冰雹等災害性天氣。目前，臨近預報的主要手段是基于天氣雷達資料的雷達回波外推技術，即根據當前時刻雷達觀測結果，推測雷達回波未來的位置和強度，以實現對強對流系統的跟蹤預報。目前常用的雷達回波外推方法是質心跟蹤法和交叉相關法（ Tracking　Radar Echoes by Correlation．TREC）。質心跟蹤法通過預測雷達回波的質心來推測下一時刻的回波位置，該方法對采集到的信息的利用更加充分，但它依賴閾值來識別風暴單體，僅適用于對風暴的追蹤，難以應用于預測大范圍降水的回波變化；TREC通過對雷達回波劃分區域，并求得各個區域當前時刻與前一時刻的相關系數，相關系數最大的區域即是回波移動矢量的終點。研究人員在TREC算法的基礎上，進一步發展了COTREC（ Continuity Of TREC vectors）和DITREC（Difference Image-based TREC）等方法，但是此類方法僅根據幾個時刻的回波特征推測下一時刻的回波分布，數據利用率較低，并且假設回波是線性演變的，而賓際情況下回波的變化更為復雜。

　　針對上述傳統雷達回波外推方法存在的問題，本文在傳統卷積神經網絡（ Convolutional Neural Network，CNN）的基礎上，提出了一種基于輸入的動態卷積神經網絡結構（ Dynamic　Convolutional Neural Networks based on Input，DCNN-I），該網絡從歷史的時序雷達回波圖像集中學習回波變化規律，從而實現對雷達回波圖像的預測與外推。DCNN-I通過改進傳統CNN的結構和網絡訓練過程中的參數，使網絡中直接影響圖像變換的卷積核在網絡測試階段仍然能夠隨著輸入的不同而變化，更加適用于雷達回波外推這一類輸入圖像與輸出圖像之間存在較強相關性的問題，能夠取得較好的雷達回波圖像預測結果。
?