一种基于条件性动态区域采样的Att-TS-UKAN降水偏差订正方法

本发明公开了一种基于条件性动态区域采样的Att‑TS‑UKAN降水偏差订正方法，其包括以下步骤：（1）获取全球的降水预报、卫星数据及相关气象因子数据并进行预处理；（2）构建Att‑UKAN的深度学习模型；包括：卷积块、注意力模块和自注意力KAN模块；（3）设计基于样本数据分布的加权均方误差和可微分气象TS评分；（4）通过条件性动态区域采样的数据增强技术使用全球的降水预报数据及相关因子与降水卫星数据训练模型；（5）利用优化后的模型对目标区域降水预报数据进行偏差订正，生成更准确的降水预报结果；本发明优化了降水预报的空间分布和量级预测。