猜测雷暴阵风的深度学习办法。2024年1月6日出书的《大气科学发展》杂志宣布了这项作用。

　　本文依据我国城市气候研究所(IUM)的多源网格化产品数据，提出了一种雷暴阵风TransU-net(TG-TransUnet)的深度学习办法，来猜测华北区域的雷暴气候，猜测时刻为1-6小时。为了确认雷暴气候的详细规模，研究人员结合了三个气候变量：雷达反射率因子、闪电方位和主动气候站(AWSs)的1 小时最大瞬时风速，并得到了雷暴气候的合理地上实在值。

　　在依据卷积神经网络与变压器的TG-TransUnet架构下，研究人员将猜测问题转化为深度学习中的图画图画问题。2021-2023年期间，丰厚的多时段网格归纳猜测体系的剖析和猜测数据随后被用作练习、验证和测试数据集。最终，研究人员将TG-TransUnet的功能与其他办法来进行了比较。依据成果得出，TG-TransUnet在1-6小时的预告作用最好。现在，我国城市气候研究所正在运用该方式来对华北区域的雷暴气候预告供给支撑。

　　据了解，雷暴气候是华北暖季常见的强对流气候方式，正确预告雷暴气候具有极端重大意义。现在，雷暴气候的预告首要依据传统的片面办法，没办法完成依据多观测点的高分辨率、高频率网格化预告。