一种用于风场预报订正的双分支时空神经网络模型

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：谷占鑫;吴杰*;金巍;韩国敬

单位：1. 辽宁科技大学 计算机与软件工程学院,辽宁 鞍山 114051;2. 辽宁省气象台,辽宁 沈阳 110166;3. 鞍山市气象局,辽宁 鞍山 114004

摘要：气象预报的准确性对人类活动至关重要,尤其在风场预报领域,预报的精确度直接关系到交通、能源生产等多个行业的效率与安全。 尽管数值天气预报(NWP)技术已取得一定进展,但其依赖的物理模型在模拟风场时仍面临诸多挑战,例如无法完全再现地球系统的复杂性以及存在的混沌误差。 因此,数据订正在提升风场预报精度方面起到了至关重要的作用。 为了解决这一问题,该文提出了一种创新的时空循环神经网络模型———DualPhySTRNN。 该模型将风场数据订正任务转化为时空序列预测问题,并采用双分支架构进行建模。 一个分支通过引入偏微分方程来施加物理约束,确保模型输出符合大气物理规律;另一个分支结合了具有多尺度上下文增强功能的长短期记忆单元(CME-LSTM),可以充分提取时空信息,克服传统方法忽视时序与空间依赖性的不足。 CME-LSTM 模块通过引入上下文增强模块(CEB)和多尺度时空表达模块(MSEB),有效解决了帧间上下文信息丢失的问题,增强了对变化区域的感知能力。 通过在中国辽宁鞍山与欧洲中部风场数据上的实验验证,结果表明,DualPhySTRNN 模型在风场订正任务中显著优于现有的主流时空序列预测模型。

关键词：时空序列预测;风场预报订正;循环神经网络;物理信息神经网络;上下文增强