气象科学

作者：方巍，薛琼莹，陶恩屹，齐媚涵

单位：南京信息工程大学 计算机学院/数字取证教育部工程研究中心, 南京 210044;中国气象局交通气象重点开放实验室/南京气象科技创新研究院, 南京 210041;南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京 210044,,南京信息工程大学 计算机学院/数字取证教育部工程研究中心, 南京 210044,,南京信息工程大学 计算机学院/数字取证教育部工程研究中心, 南京 210044,,南京信息工程大学 计算机学院/数字取证教育部工程研究中心, 南京 210044,

关键词：强对流降水临近预报;深度学习;ASTGCN模型;注意力机制;雷达回波外推

基金：国家自然科学基金资助项目(42075007);苏州大学计算机信息处理技术重点实验室开放项目(KJS2275);南京气象科技创新研究院北极阁开放研究基金资助项目(BJG202306);江苏省研究生科研与实践创新计划项目(NO.KYCX23_1388)

降水临近预报对于强对流天气的预报具有重要的支撑作用。气象业务中主要采用雷达回波外推方法解决此问题。然而,现有方法通常缺乏从序列雷达数据中有效学习的能力,导致预测精度不佳。为了解决这一问题,本文提出了一种改进的时空图卷积模型ASTGCN(A Spatio-Temporal Graph Convolution Neural Network)用于强对流降水的临近预报。利用时空图卷积网络,有效地捕获相邻雷达帧之间的时间依赖性。此外,利用注意力机制和自动编码器来增强模型捕获时空相关性的能力。结果表明,该模型可以从数据中发现隐藏的图结构,从而捕获隐藏的空间关系。与现有模型(Transformer)相比,该模型的临界成功指数(CSI)提高了28%,表明其在强对流降水临近预报方面具有优越的性能。

来源：2024年第3期

《气象科学》期刊编辑部

查看气象科学杂志2024年第3期