一种基于深度学习的降水临近预报方法

本发明公开一种基于深度学习的降水临近预报方法，包括以下步骤：采集历史雷达回波数据，将采集到的雷达回波图像序列进行预处理，构建时空序列数据集；构建动态流时空生成对抗网络模型，包括生成器和判别器；设计基于Transformer架构的判别器，利用自注意力机制对生成的降水预报序列进行真实性评估，评价生成序列的时空一致性和视觉质量；采用两阶段训练策略对网络进行优化，第一阶段使用重构损失和解耦损失预训练生成器，第二阶段引入对抗损失和特征匹配损失进行联合训练，实现高质量降水临近预报；本发明提高模型对复杂气象现象的建模能力。