融合多源数据的深度学习短时降水预测

针对传统降水预测方法的局限性,提出了一种融合多源数据的深度学习短时降水预测模型MSF-Net.在GPM历史降水数据的基础上融合了ERA5气象数据、雷达数据和DEM数据.利用气象特征提取模块学习多源数据的气象特征,通过注意力融合预测模块进行特征融合并实现短时降水预测.将MSF-Net的降水预测结果与多种人工智能方法进行对比,实验结果表明,MSF-Net模型的风险评分TS和偏差评分Bias最优,表明其可以在6 h的预测时效内提升数据驱动降水预测的效果.