基于多要素的短临降水预报及可解释性分析
作者机构:成都信息工程大学计算机学院
出 版 物:《计算机应用研究》 (Application Research of Computers)
年 卷 期:2024年
基 金:国家自然科学基金资助项目(42075142,42130608) 国家重点研发计划(2020YFA0608000) 四川省科技厅项目(2022YFG0029,2023YFG0101,24ZDYF0017) 成都信息工程大学科技创新能力提升计划项目(KYTD202330)
摘 要:当前的短临降水预报方法大多是基于雷达回波外推,没有充分考虑其他气象要素对降水生消演变的密切影响,从而限制了其预报的准确性。为解决此问题,基于风云四号B星数据,制作了包含四种背景气象要素、以定量降水估计为预报对象的短时临近降水预报数据集,提出了短临降水预报模型——MFPNM(multiple factors precipitation nowcasting Model)。以Trans-Unet为该模型的骨干,设计了并行双编码器分别提取预报对象和背景气象数据的高维时空特征;构造了内容编码模块将背景数据的空间特征作为预报对象高维特征向量的可学习位置编码;已有的Transformer模块构建序列数据高维特征间的全局关系,以实现更准确的序列预测。MFPNM在风云-4B数据集和开源数据集上达到了最优水平,采用的指标包括临界成功指数、虚警率、均方根误差和结构相似性等;通过SHAP(shapley additive explanations)技术对模型进行了可解释性分析。实验结果及可解释性分析表明该模型具有更好的预报准确度及可靠性。