基于深度学习的极端雨强初生临近预报方法

本发明公开一种基于深度学习的极端雨强初生临近预报方法，包括：获取多源数据，从中识别历史极端雨强降水事件，并确定极端雨强初生的时刻及位置；获取极端雨强初生前若干个时刻的静止卫星多光谱信号、地面环境参量和数值模式环境参量；并筛选出其中与极端雨强初生密切相关的敏感因子构建为数据集；基于上述建立的数据集，采用自注意力机制transformer模型提取极端雨强相关的特征，并进行特征融合，输出极端雨强初生的发生概率。本发明结合来自静止卫星、地面自动站和数值预报模式的多源异构数据，并利用深度学习模型进行多特征的提取和融合，实现极端雨强初生的临近预报，提升极端雨强初生临近预报的命中率。