基于ConvLSTM及双重注意力机制的2 m气温预报订正方法

来源：南京信息工程大学学报·自然科学版杂志2026年第3期北京时间：

作者：房善普，邱雨楠，陆振宇

单位：房善普,南京信息工程大学 人工智能学院(未来技术学院), 南京, 210044,邱雨楠,南京信息工程大学 电子与信息工程学院, 南京, 210044,陆振宇,南京信息工程大学 人工智能学院(未来技术学院), 南京, 210044

摘要：为了降低2 m气温传统数值预报模型(GRAPES_GFS)的预测值和观测值之间的高偏差,提高预测精度,本文结合气象数值模式(GRAPES_GFS)格点资料以及对应的观测资料,提出一种基于卷积长短时记忆(ConvLSTM)网络并结合注意力机制的2 m气温预报订正模型.首先,由局部特征提取模块提取输入数据的局部浅层特征;其次,将提取到的特征图输入特征注意力模块,对数据的不同通道维度与不同空间维度赋予不同的权重,抑制与2 m气温相关性低的气象要素的权重,实现对2 m气温数据中高温地区的局部增强;最后,采用ConvLSTM网络捕获数据时间维度特征,同时输出预报订正结果.实验结果表明:本文所提模型在时效为12~36 h的2 m气温预报中,与GRAPES_GFS模式预报结果相比,各项数值评价指标均有改善,皮尔森相关系数从0.55左右提升到0.87左右,均方根误差从1.74~2.06 ℃降低到0.90~1.10 ℃,平均绝对误差从1.36~1.64 ℃降低到0.69~0.84 ℃.与主流订正模型相比,本文模型也取得了较好的订正效果.

关键词：通道注意力;空间注意力;ConvLSTM;预报订正;多气象要素

基金资助：国家自然科学基金联合重点项目(U20B2061);国家自然科学基金(61773220);江苏省自然科学基金(BK20150523);国家重点研发计划(2016YFC0203301)