一种结合EOF投影与U-Net网络的降水预报订正方法

本发明公开一种结合EOF投影与U‑Net网络的降水预报订正方法，基于历史观测资料提取降水异常场的主要空间模态，并在此基础上对模式预报异常场进行投影重构，获得具有物理意义的空间结构；通过引入观测气候态替代模式气候态，有效消除模式的系统性偏差；针对重构过程中未能解释的残差项，采用U‑Net进行建模与预测，以捕捉模式中复杂的非线性误差成分；最终，将线性重构结果与深度学习预测的残差项叠加，形成最终的降水预报订正结果。本发明通过构建物理驱动与数据驱动相结合的订正框架，在保留传统EOF方法物理可解释性的基础上，引入深度学习模型对残差项进行建模，从而实现对模式预报中线性误差与非线性误差的双重捕捉与修正。