基于时空条件的扩散模型迭代矫正降水量预测方法

本发明公开了一种基于时空条件的扩散模型迭代矫正降水量预测方法，提升降水量预测的精度和时效性，尤其适用于极端天气事件的预测。该方法首先接收多模态输入数据，包括雷达回波图像、时间标识、地表遥感数据和气象卫星的多通道数据，利用多个编码器提取各类输入数据的特征。针对雷达图像降水分布不符合概率模型的问题，采用编码器提取特征后，通过k‑means聚类算法将M帧雷达图像分类为不同类别，从而根据类别选择相应的预测模型，进行多任务预测。扩散模型在隐藏空间中通过逐步生成的方式预测降水量，在预测结果的每个时间段引入迭代校正，以减少误差累积。最终，模型输出高精度的长时间序列降水预测结果。本发明结合多模态信息、时间条件及迭代校正结构，显著提升了在复杂地形及极端天气下的降水预测能力，具有较高的实用价值和应用前景。