刘 昉，李奇临，蒋 涌，杨永毅，张 俊，赵思亮

（重庆市气象局重庆市气象信息与技术保障中心，重庆 401147）

天气雷达回波数据质量直接关系到天气预报、灾害天气预警的准确性，回波的可靠性在天气预报预测中具有十分重要的作用。在实际应用中，必须高效筛选异常回波，方能大大提高预报效率。

笔者之前研究了基于支持向量机的识别方法，该方法一个重要步骤就是要准确提取出异常回波图像的特征。但是由于异常回波的表现复杂性，若要准确地提取出来，并且具有代表性，则存在相当难度，也给识别结果带来了局限性。

卷积神经网络（Convolutional Neural Network，CNN）是一种前馈多层神经网络，是一种在图像处理领域很常用的深度学习算法[1-2]。其本质是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要两者之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。CNN 在图像识别时可以将原始图片作为输入，避免了前期繁琐的图像预处理工作，又可以从训练数据中隐式的学习图像特征，而不用显式的提取，大大减小特征提取难度的同时又具备了可靠性和广泛性。再者，CNN 网络采用感受野和权值共享思想，减少了参数量，缩短了训练时间，保证了时效性[3-4]。

鉴于CNN 算法的优势，该文将CNN 算法用于雷达异常回波的识别。由于样本量比较少，选择VGG这种深层网络会引起过度训练，采用浅层结构的LeNet-5 网络比较合适。……