气象科学

作者：张国兴，张涛，马芳，和楷承，解莉燕

单位：云南省气象数据中心, 昆明 650034,,云南省气象数据中心, 昆明 650034,,云南省气象数据中心, 昆明 650034;中国气象局探测中心, 北京 100081,,云南省气象数据中心, 昆明 650034,,云南省气象数据中心, 昆明 650034,

关键词：注意力机制;卷积神经网络;雾天图像识别

基金：云南省科技厅(202203AC100006-1);中国气象局大气探测重点开放实验室开放课题(2023KLAS12M);云南省气象局科研项目(YZ202305)

本文以卷积神经网络为基础模型,融合注意力机制,提出了一种基于加权注意力机制的改进卷积神经网络模型雾天分类方法。且在云南禄丰、西畴、江城、红河4个国家气象站雾天图像数据集上进行实验。结果表明:(1)添加加权注意力机制能够使改进后的卷积神经网络模型更好地提取雾天图像的特征,其平均识别准确率达95.69%,相较于VGG和AlexNet具有更高的识别准确率。(2)利用训练好的模型在其他时段的雾天图像数据上进行检验。表明,模型在4个站点上的检验识别准确率均超过90%,且识别错误的检验样本最少,该模型能够作为自动气象站雾天观测的补充。(3)通过对检验图像错误个例进行分析可知,训练数据的缺失会降低模型的泛化能力,降水天气会使模型产生误判;而雾天图像等级划分交界处的图像样本相似度过高,会导致模型产生错误分类。

来源：2026年第1期

《气象科学》期刊编辑部

查看气象科学杂志2026年第1期