基于深度学习和时空数据驱动的云中过冷水含量预测方法

本发明公开了基于深度学习和时空数据驱动的云中过冷水含量预测方法，包括获取卫星多通道辐射传输数据并进行通道筛选和特征提取，获取雷达反射率数据并进行数据插补和特征提取，获取地面自动气象站常规气象资料并进行特征提取，使用多头注意力机制将上述特征进行融合得到融合特征，建立深度学习神经网络模型，预测未来时间段云中过冷水含量。该方法能够更全面、更准确地预测云中过冷水含量和分布情况，同时对于缓解水资源短缺、改善生态环境、保障低空经济安全具有重要的科学和实际意义。