脉冲神经网络耦合的极端天气事件预测方法及其系统

本发明涉及天气预测方法技术领域，特别是脉冲神经网络耦合的极端天气事件预测方法及其系统，通过构建多尺度气象要素时序数据库并利用WRF气候模式获取高分辨率数据，采用GPU集群并行处理，结合生物神经元与循环神经元混合模型SNN‑LSTM，该模型包含两层各20个GRU细胞，用于1小时尺度气象数据的重采样和时序预测，以识别极端天气事件，该方法在不同时间尺度上提取和更新内部状态，最终输出西北太平洋台风轨迹和形成概率预测模型，这一方法有效提升了极端天气预测的准确性、效率和可解释性，为天气预报技术提供了新的发展方向，具有显著的理论和实用价值。