基于卷积门控循环注意力网络CGAFNet的卫星云图临近预报方法

本发明公开了一种基于卷积门控循环注意力网络CGAFNet的卫星云图临近预报方法，构建卷积门控循环注意力网络CGAFNet模型，通过注意力特征提取模块提取各个时刻的云图特征，并采用LeakyReLU激活函数代替ReLU激活函数；再通过卷积门控循环单元网络ConvGRU网络提取云图的时序特征；并提出了主副损失PaSLoss作为模型的损失函数，构建了编‑解码结构，更好地提取了卫星云图的时空信息。结果表明，CGAFNet在云图外推任务中均方根误差为10.00K，结构相似性为0.74，峰值信噪比为31.43，该模型能准确预测云团的生消演变过程，在各项指标上均优于其他网络，证明该方法能获得更准确的预测精度。