针对现有深度学习气象降尺度方法中网络结构单一、重建中间帧图像效果不佳等问题,提出了一种用于时空降尺度的混合专家算法(spatiotemporal downscaling using mixture of experts,STDMoE)。STDMoE首次引入混合专家网络对气象数据进行...
详细信息
针对现有深度学习气象降尺度方法中网络结构单一、重建中间帧图像效果不佳等问题,提出了一种用于时空降尺度的混合专家算法(spatiotemporal downscaling using mixture of experts,STDMoE)。STDMoE首次引入混合专家网络对气象数据进行时空降尺度处理。具体而言,算法用4个专家从给定低频帧中提取空间特征信息,用3个门控网络生成硬权重与低频帧特征相乘获得3个中间特征。相比其他时间降尺度方案,增加了特征的时空相关性,更有利于中间帧图像重建。在法国气象局提供的开放性雷达降水数据集上进行测试,发现STDMoE模型在各项性能指标上均优于主流的U-Net网络和传统插值方法,进一步利用LFC模块对模型优化得到了更佳的效果。
暂无评论