一种基于改进的U-Net网络的次季节极端高温预测方法

本发明公开了一种基于改进的U‑Net网络的次季节极端高温预测方法，包括以下步骤：（1）选择数值模式和目标区域，获取对极端高温影响的物理因子，构建数据集并进行预处理；（2）构建基于残差模块的U‑Net深度学习模型；（3）对模型进行训练；将处理好的数据按照年份先后分为训练集、验证集与测试集，训练集与验证集随机分批次对网络进行训练；（4）将测试集多因子模式数据输入训练好的模型中得到最终的次季节极端高温预测结果；本发明在U‑Net 网络结构中结合了残差模块，提高了数据利用效率，增强了网络拟合能力，提升了模型学习能力。