融合时空重构单元和Transformer的雷达回波外推算法

作     者：方巍 王淏西 

作者机构：南京信息工程大学计算机学院 南京信息工程大学软件学院 中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室中国气象局武汉暴雨研究所 中国气象科学研究院灾害天气国家重点实验室 

出 版 物：《郑州大学学报(工学版)》 (Journal of Zhengzhou University(Engineering Science))

年 卷 期：2025年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(42075007,42475149) 中国气象局流域强降水重点开放实验室开放研究基金(2023BHR-Y14) 江苏省研究生科研与实践创新计划项目(KYCX24_1533,SJCX24_0476) 

主　　题：深度学习 雷达回波外推 Transformer 时空重构单元 全局平均池化 

摘      要：针对现有基于深度学习的雷达回波外推算法时空特征提取能力不足和建模能力有限的问题,提出了一种融合Transformer和时空重构单元(SRU)的雷达回波外推模型SRU-Former。首先,在模型的编码器和解码器中引入新设计的时空重构单元,通过分离、变换和重构的策略来提取雷达图像精细化时空特征;其次,在编码器和解码器之间引入Transformer的变体架构模型Poolformer,用全局平均池化操作代替自注意力机制,帮助模型对高度动态变化的雷达序列进行建模;最后,在江苏省气象雷达数据集和上海市气象雷达数据集上训练和测试,与目前主流的深度学习模型进行对比。在2 h外推任务中,CSI、FAR、MSE和SSIM 4个指标均取得最优值,在江苏数据集上CSI提升了0.020,上海数据集上CSI提升了0.048。实验结果表明:SRU-Former能够有效提升模型的预报准确率,外推后期对强回波区域的捕捉更加精确,细节纹理更加丰富清晰。