1、“.....构造出不同层数的网络框架本研究采用，和模型，各个网络具体参数见表在表中，表示个，和分别表示第个和第层，可以看出不同层数的网络均首先通过样的卷积核以及池化层之后通过个由不同数量的所组成的和个最后进行分类其中中分别有个是它的两倍，分别有个个和个穿插连接，最后进行全局平均池化并分类结构由个输入层和多个结构构成主要由两层不同卷积层组成，第层的卷积核大小为，第层的卷积核为，具体结构见图其中之间采用密集连接，每个的输入均由其前面的所有输出的特征图串联得到如第个的输入是将第个及第个的输出特征图串联起来，也就是使得每个都包含了前面所有的输出特征因为特征重复利用导致特征维度增加，所以网络通过减少训练时卷积层的卷积核数目来降低特征维度而卷积核的数量与卷基于深度神经网络理论的降雨强度识别模型大气现象论文以及全连接层构成......”。

2、“.....抽取图像分类特征卷积计算通过引入非线性激活函数，使卷积神经网络能够拟合复杂的非线性函数提取有效分类特征，其中激活函数主要有函数双曲正切函数修正线性单元函数及函数分别将输入值值域调整至，及，两种激活函数均具有函数单调性，且具有光滑作用但对于函数和函数采用指数运算，计算量大，且其导函数容易导致网络训练梯度不正常函数是对输入值与比较后取最大值，具有单边抑制性以及稀疏激活性，且形式简单，计算方便因此，本文采用函数作为网络激活函数，具体公式表示如下，池化操作类似卷积操作，目的是在减小经过卷积层运算后的特征矩阵大小，进而减少等级划分，共划分为类表其中福州市地形图个气象站点分布的地理位臵以及获得的天气监测图像如图所示表降雨强度等级划分标准导出到数据处理通过研究历史降雨图像数据......”。

3、“.....其中包含连续暴雨纳莎台风等天气情况按照标准中小时降水量等级划分标准和各地区每小时降雨量数据，采用人工标注的方法对每张试验数据标注降雨强度由于数据是由红外摄影机收集而来，红外摄影机在晚上开启红外线摄像模式，红外线穿透云雾能力强，雨纹能够清晰被观察到白天取得彩色光学图像，受光照强度影响，难以观察到雨纹因白天和晚上图像存在差异，将试验数据划分为白天晚上和混和数据集对于模型训练集和测试集进行划分，将混合数据集白天数据集以及晚上数据集分别按照气象站点，把各气象站点中不同降雨强度影像数据按∶比例划分用雷达接收机回收该区域的回波功率，并接收雨滴直径值......”。

4、“.....得到降雨量分布情况，但由于雨滴容易受到风力蒸发等因素影响进而改变其大小和分布，使得降雨量的测量呈现偏差，造成雷达测雨精度不高不论是在气象站点进行人工或自动检测，或是采用雷达测量，均是以精确测量降雨量为目的，检测过程耗时较长人们通常采用降雨强度来表示降雨量等级，例如小雨中雨大雨等网络通讯设备以及视频监测设备的快速发展，使得视频监控图像具有获取方便实时性及推广容易等优点，视频监控图像已成为许多研究领域采用的摘要基于降雨图像数据，依据降雨量划分不同的降雨强度结合深度神经网络理论建立降雨强度识别模型，对降雨强度进行实时监测与预警首先，通过福州市个气象站点获取降雨图像及其对应的降雨量数据其次，依据降雨强度对降雨图像进行分类，共分为个等级，并将数据分为白天图像和晚上图像个数据集最后......”。

5、“.....识别精度不存在明显差异白天降雨图像的识别精度高于晚上白天和晚上图像存在特征差异，使其识别精度在不同网络层数上的变化趋势不致数据量不均衡将会影响模型总体的识别精度表明基于降雨图像的降雨强度识别模型具有良好的数据适应性及准确的识别结果关键词网络大气现象深度卷积网络降雨强度识别降雨量降雨量为地区时间内的降水数据，薛峰，章磊自动气象站与人工观测的数据对比分析气象科技，刘苈今，李毅自动站与人工站气象观测数据差异浅析云南大学学报自然科学版，吴迪，辛学兵，郭慧等龙山侧柏林林内降雨时滞效应福建农林大学学报自然科学版，陆霞，殷明洁自动站与人工观测降水量差值的成因分析气象研究与应用，张利平，张晓琳，徐霞等基于水文模型的雷达监测降雨量误差传递研究水文，谢亚楠，周明亮，刘志坤合成孔径雷达反演降雨量算法的研究进展遥感技术与应用，陈新涛......”。

6、“.....薛良磊运动视频图像中运动方向自动检测系统设计现代电子技术，董蓉，李勃，陈启美种视频雨滴检测与消除的方法自动化学报，董蓉，李勃，廖娟，等基于摄像视频分析的降雨量测量方法光电子激光，聂志红，廖靖云，周苏华，等火山渣颗粒图像深层的特征图比浅层的特征图具有更大的感受野，这是卷积神经网络特点之通过密集连接将浅层与深层的特征图进行串联，实现不同感受野的特征图堆叠，其混叠程度比高，因此网络能够较好地描述更复杂的数据表中网络在晚上数据集中的分类正确率分别比及高，及白天数据集上的分类正确率分别比及高及在混合数据集中的分类正确率分别比及高及在参数量上，的参数量比及分别下降倍倍及倍以上网络具有最好的分类结果，且具有最少的网络参数量由于晚上数据集比白天数据集复杂，白天数据集的分类精度均达到以上，而的数据噪声......”。

7、“.....导致该类别的分类特征不精确，出现全部测试，或是在模型上，只有张测试图像分类正确，得到的正确率仅为大雨暴雨和大暴雨的正确率波动幅度较大数据量小导致计算正确率的基数小斜率大由此可知识别的数目极易影响到识别正确率，导致其变化幅度更大，而且模型分类能力的优劣与訓練数据相关因此，大雨暴雨和大暴雨正确率比数据量大的降雨强度等级有所降低，模型间正确率波动更大但由于数据量少，因此对整体的效果影响很小综上所述，不同等级的降雨强度存在较大的识别精度差异是由于试验数据在各个等级之间分布不均匀网络与传统卷积神经网络识别结果的对比将网络与传统卷积神经网络的识别结果进行比较，包含及并对各个网络的参数量进行对比，结果见表由个得到识别效果最好的模型，依次为和模型不同气象站点的降雨强度识别依据各数据集下识别精度最高的模型，绘制各气象站点的和模型识别精度柱状图图......”。

8、“.....通过计算各模型在不同气象站点下识别精度的方差来检验模型精度的稳定性，计算得到的方差均非常小，其中最大的方差仅为，识别精度未存在明显波动，具有定的稳定性表明模型对不同气象站点降雨量影像数据的分类精度较为稳定，具有定的适用性图各气象站点的试验结果为长乐区，为福清市，为晋安区，为连江县，为罗源县，为闽侯县，为闽清县，为永泰县不同降雨强度等级识别结果的对比依据个等级的降雨强度类别绘制折线图，呈现和基于深度神经网络理论的降雨强度识别模型大气现象论文处理及形状定量分析湖南大学学报自然科学版，丁玉辉，曹岩，付雷杰，等刀具磨损检测中的图像处理技术研究现状及展望制造技术与机床，梁蒙蒙，周涛，张飞飞，等卷积神经网络及其在医学图像分析中的应用研究生物医学工程学杂志，白云汉基于算法和深度神经网络的语义地图构建研究计算机应用与软件，苗光......”。

9、“.....姚颂恩福州市区地貌水文特点与防洪福建师范大学学报自然科学版，国家气象中心降水量等级北京中国标准出版社，洪思弟，赖绍钧，林志玮，丁启禄，刘金福结合深度卷积网络及光学图像的降雨强度识别福建农林大学学报自然科学版，基金福州市科技局社会发展项目海峡博士后交流资助计划中国博士后科学基金面上项目基于深度神经网络理论的降雨强度识别模型大气现象论文杂，导致其在模型深度上的识别精度不致通过对比不同等级降雨强度的识别正确率，发现由于各个等级降雨强度数据的不均衡导致该模型对数据量较大的零星小雨小雨中雨类雨图具有良好的稳定性，而大雨暴雨和大暴雨数据由于占比极小，导致识别正确率下降且不稳定综上所述，本文构建的降雨强度识别框架具有识别精度高泛化能力强实时监测降雨强度等级等优势，在降雨强度识别中具有可行性参考文献姚雄，余坤勇，刘健......”。