气象科学

作者：魏海文，郭俊建，周成，王靓，张登旭

单位：山东省气象防灾减灾重点实验室, 济南 250031;山东省气象台, 济南 250031,,山东省气象防灾减灾重点实验室, 济南 250031;山东省气象台, 济南 250031,,山东省气象防灾减灾重点实验室, 济南 250031;山东省气象台, 济南 250031,,山东省气象防灾减灾重点实验室, 济南 250031;山东省气象台, 济南 250031,,山东省气象防灾减灾重点实验室, 济南 250031;山东省气象台, 济南 250031,

关键词：加权损失函数|Conv-LSTM|GAN-rcLSTM|雷达回波外推|短临天气预报

基金：中国气象局创新发展专项(CXFZ2023J008)；山东省自然科学基金面上资助项目(ZR2021MD121;ZR2022MD072;ZR2022MD088)；山东省气象局榜单类专项(2023SDBD01)；海河流域气象科技创新资助项目(HHXM202404)；环渤海区域海洋气象科技博同创新项目(QYXM202301)

针对气象雷达回波深度学习外推方法中存在的回波边缘扭曲、模糊弥散失真及真实性衰退的问题，在卷积长短期记忆网络(Convolutional Long Short-Term Memory，Conv-LSTM)中引入残差模块、生成器与判别器，构建生成对抗—残差卷积长短期记忆网络(Generative Adversarial-Residual Convolutional Long Short-Term Memory Network，GAN-rcLSTM)深度学习模型，同时针对不同强度回波赋予不同权重得到自定义的加权损失函数并融入GAN-rcLSTM得到自定义损失函数—生成对抗—残差卷积长短期记忆网络(Weighted Loss Function-Generative Adversarial-Residual Convolutional Long Short-Term Memory Network，Wloss-GAN-rcLSTM)。基于2021—2022年山东省及周边地区历史雷达回波数据集对Wloss-GAN-rcLSTM模型进行回波外推训练与测试，建立预报时长为0～2 h、逐6 min更新的时空型深度学习雷达回波外推模型。检验评估表明，Wloss-GAN-rcLSTM雷达回波外推模型较光流法、预测递归神经网络(Predictive Recurrent Neural Network，PredRNN)及GAN-rcLSTM方法在强降水关注的45 dBZ阈值下其临界成功指数(Critical Success Index，CSI)分别提升了0.12、0.07与0.02，清晰度指标结构相似性指数(Structural Similarity Index，SSIM)分别提升了0.009、0.042与0.11，且个例检验显示Wloss-GAN-rcLSTM最优适用于飑线等中尺度天气过程预报。

来源：2025年第4期

《气象科学》期刊编辑部

查看气象科学杂志2025年第4期