2022年10月26日上午，受赵坤教授的邀请，中国海洋大学的韩雷教授线上做题目为《人工智能气象应用中的小样本学习问题》的学术报告。报告由袁慧玲教授主持，线上线下有超过300人同步参加。

韩雷教授首先介绍了深度学习技术的发展历程，以及深度学习在气象学应用时常遇到的困难，即数据样本量不足以成功训练出性能良好的深度学习模型。随后，韩雷教授介绍了迁移学习在小样本预报时的应用尝试，包括CNN-FT和CNN-MMD两种方案。实验结果表明，迁移学习方法能有效改进数据量较小地区的预报效果。

进一步，韩雷教授介绍了利用Pixel-wise预报方式来提升样本量，改进样本量不足时预报效果的工作。他们团队提出Pixel-CRN模型，该模型结合了卷积层和ConvLSTM模型，只输入局部37×37的VDRAS分析场空间格点信息，预报未来中心点的反射率因子值。实验结果表明，该方式有效讲样本量从1200左右提升到满足深度学习网络训练程度，从而对未来的雷达回波做出有效预报。

韩雷教授的报告关注了深度学习应用在气象领域的热点难点问题，从技术与科学问题结合的角度，探讨了深度学习在小样本预报问题的应用，引起了线上和线下参会人员的浓厚兴趣。在报告结束后，韩雷教授就预报算法对空间遥相关信息的处理、算法的样本采样问题等相关问题进行了深入的交流与探讨。

专家介绍

韩雷，中国海洋大学信息学院教授，博士生导师。主要从事智能信息处理与模式识别、人工智能气象应用技术研究，兼任AAS编委。2001-2004年在美国朗讯科技公司（青岛）研发部从事软件研发工作。对国际上广泛使用的临近预报算法TITAN和SCIT算法进行了改进，提出了EnhanCed TITAN（ETITAN）方法。基于该算法研制的风暴自动识别、追踪和预警软件系统，被中国气象局的灾害天气短时临近预报预警系统SWAN采用，在全国各省气象局已经稳定运行十余年。

报告回放

[点击播放录屏报告回放]

【转发于 局校天气雷达联合实验室公众号】