基于UI-LSTM模型的短时降水预测研究.pdf

信号与信息处理

－

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３３１０６．２０２４．０１．００７

－

引用格式：包顺，秦华旺，戴跃伟，等．基于ＵＩＬＳＴＭ模型的短时降水预测研究［Ｊ］．无线电工程，２０２４，５４（１）：４７５４．［ＢＡＯ

，，，［］

ＳｈｕｎＱＩＮＨｕａｗａｎｇＤＡＩＹｕｅｗｅｉｅｔａｌ．ＲｅｓｅａｒｃｈｏｎＳｈｏｒｔｔｅｒｍＰｒｅｃｉｐｉｔａｔｉｏｎＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＵＩＬＳＴＭＭｏｄｅｌＪ．Ｒａｄｉｏ

，，（）：－］

Ｅｎｇｉｎｅｅｒｉｎｇ２０２４５４１４７５４．

基于ＵＩＬＳＴＭ模型的短时降水预测研究

１１１２１

包顺，秦华旺，戴跃伟，陈浩然，尹传豪

（南京信息工程大学电子与信息工程学院，江苏南京；

１．２１００４４

２．南京信息工程大学自动化学院，江苏南京２１００４４）

摘要：降水临近预报是为了预测未来短时间的降雨量。现有大多数基于循环神经网络（ＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋ，

ＲＮＮ）的降水预报模型，采用单一的卷积核对输入和隐藏状态的特征进行提取存在局部性，不能捕获雷达回波图中复杂的

物理变化，且未有效提取时空相关性和对强降雨区域的精准预测。针对现有模型存在的问题，提出了ＵＩＬＳＴＭ模型用于降

水临近预报，能够有效地提取雷达回波序列的时空相关性，采用了Ｕ形结构，同时使用跳过连接进行特征拼接，学习到整

个雷达回波图的上下文语义信息，且将浅层和深层信息进行特征融合。加入了Ｉｎｃｅｐｔｉｏｎ结构来代替ＣｏｎｖＬＳＴＭ细胞结构中

输入到输入和状态到状态的卷积，通过不同大小的卷积核，有效提取输入，隐藏状态的特征。在公开数据集（ＣＩＫＭ

ＡｎａｌｙｔｉＣｕｐ２０１７）进行实验并与其他模型进行对比实验。实验结果表明，ＵＩＬＳＴＭ模型在ＨＳＳ、ＣＳＩ、ＭＡＥ和ＳＳＩＭ指标整

体上要远高于其他对比模型，且提高强降水天气预测的准确率。

降水临近预报；循环神经网络；特征融合；；

关键词：ＵＩＬＳＴＭＩｎｃｅｐｔｉｏｎ

中图分类号：文献标志码：开放科学资源服务标志码：

ＴＰ１３８Ａ（）（ＯＳＩＤ）

－－－

文章编号：１００３３１０６（２０２４）０１００４７０８

ＲｅｓｅａｒｃｈｏｎＳｈｏｒｔｔｅｒｍＰｒｅｃｉｐｉｔａｔｉｏｎＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎ

ＵＩＬＳＴＭＭｏｄｅｌ

ＢＡＯＳｈｕｎ，ＱＩＮＨｕａｗａｎｇ，ＤＡＩＹｕｅｗｅｉ，Ｃ