2023年11月9日,应中国气象局雷达气象重点开放实验室赵坤教授的邀请,中国科学院西北生态环境资源研究院的陈生研究员作了题为《基于雷达观测和时序残差卷积的中国人工智能短临降水预报》的学术报告。
陈生研究员首先介绍了现有的人工智能降水预报大模型在国内外的发展历程,以及这些模型的不足之处。人工智能降水预报大模型主要分为两种,一种为基于雷达/卫星观测数据的外推模型,另一种为基于模式预报的外推模型。这些深度学习模型预报短临降水存在长时效预报准确率低、模糊、平滑问题和强降水预报技巧低等问题。由这些问题陈生研究员详细阐述了几种典型的预报模型,包括光流法、卷积长短期记忆网络和UNet网络等。进一步,陈生研究员基于UNet网络,开发了时序残差卷积模型。他指出,传统UNet网络无法提取时间维度的信息,而改进方案为时间序列补偿卷积,即训练时在时间维度补充信息以减小信息丢失。试验结果表明,时序残差卷积模型优于传统的光流法和UNet模型,也提高了长时间预报的雷达回波强度。未来会加入更多气象要素变量如温度、压强、风场等以提升模型的预报技巧。