一种基于门控卷积的双UNet降水临近预报模型OA
降水临近预报对现代生活和生产至关重要。传统模型精度低,深度学习模型存在易受雷达噪声影响、时空特征提取能力不足和高值区域易消散问题。为此,提出一种基于门控卷积的双UNet模型(GDU)。该模型使用门控卷积增强时空特征提取能力,结合注意力机制消除雷达噪声影响,采用残差结构缓解高值区域易消散的问题,最后通过两个UNet堆叠提升精度。在HKO-7数据集上的实验结果显示,GDU模型在所有指标上优于其他对比模型,具有良好的应用前景。
席媛媛;杨昊;陈敏;邹茂扬;周航
成都信息工程大学计算机学院,四川成都610225成都信息工程大学计算机学院,四川成都610225中国科学院成都计算机应用研究所,四川成都610041成都信息工程大学区块链产业学院,四川成都610225成都信息工程大学计算机学院,四川成都610225
信息技术与安全科学
降水临近预报门控卷积双UNet残差结构注意力机制
《计算机应用与软件》 2026 (7)
P.218-224,246,8
国家重点研发计划项目(2021YFC3000902)四川省科技计划项目(2022YFS0542)四川省自然科学基金项目(2022NSFSC0964)四川省气象局智能网格预报创新团队基金成都信息工程大学科研基金项目(KYTZ202158)。
评论