热带气象学报

作者：程勇, 钱坤, 康志明, 何光鑫, 王军, 庄潇然

单位：1.南京信息工程大学，江苏南京，2100442.中国气象局广州热带海洋气象研究所，广东广州5106413.江苏省气象台，江苏南京210008

关键词：雷达回波外推, 深度学习, 注意力机制, 时空长短期记忆网络

基金：国家自然科学基金项目41975183；国家自然科学基金项目41875184；广东省“珠江人才计划”引进创新创业团队项目2019ZT08G669；

临近天气预报是气象研究中的热点问题，雷达回波外推技术作为处理临近天气预报的有效手段，具有重要的应用价值。近年来，深度学习技术被应用于处理这一任务，但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础上，本文提出一种AFR-LSTM网络，以进一步提高雷达回波外推的预报准确率。首先提出一种注意力融合的时空长短期记忆网络的方法，以关联更多的历史信息，保证信息在传递过程中能够充分关联，减少信息丢失。同时，考虑编码过程中信息丢失问题，在编码器与解码器之间构建信息回忆模块，进一步保存雷达回波预测细节。通过在真实的雷达回波数据集（2019—2021江苏气象雷达数据）上进行消融实验，AFR-LSTM整体效果较好。此外，对该雷达回波数据集进行对比实验，结果表明AFRLSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.520 9、Heidke Skill Score(HSS)值为0.532 4，并且能较好地保留强回波和位置准确度，优于现有方法，证明了该方法能够获得更准确的预测准确度。

来源：2023年第5期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2023年第5期