一种基于EOF-Kmeans聚类和LDM的两阶段临近降水预报方法

本发明公开了一种基于EOF‑Kmeans聚类和LDM的两阶段临近降水预报方法，通过使用EOF‑Kmeans聚类算法预处理后的雷达降水数据集进行聚类；训练Frame‑wise VAE，将数据编码进低维的潜在空间；将降雨时空预测任务分解为时间模型和空间模型，通过时间模型预测低分辨率下未来降雨的时间，通过空间模型从低分辨率图像中重建高分辨率图像。本发明旨在提高临近降水预报的精度和实用性；将扩散过程在由自动编码器映射到物理像素空间的潜在变量空间中运行，能处理大规模数据时保持较好的计算效率，大幅减小计算资源浪费；同时引入两阶段降雨预测，解决了时间和空间建模之间的性能不均衡问题。