基于AttUnet的ECMWF模式要素偏差订正方法

本发明提供了一种基于AttUnet的ECMWF模式要素偏差订正方法，属于气象预报领域。该方法将深度卷积神经网络用于ECMWF模式输出地表4要素2m温度、地表气压、2m比湿和10m风中，对0.125度分辨率的ECMWF模式输出结果进行偏差订正。该方法首先根据ECMWF模式输出要素构建特征库，在此基础上使用XgBoost工具对样本库进行特征分析并排序其重要性，同时结合人工经验进一步筛选因子并考虑地形信息。然后利用深度卷积神经网络进行预测以及偏差订正，得到更准确的0.125度网格产品。同时在模型调试阶段，通过优化学习率和损失函数，使模型对极端灾害性天气具有良好的预报性能。