近日，宜賓學院計算機科學與技術學院（人工智能學院）在IEEE Transactions on Geoscience and Remote Sensing（IEEE地球科學與遙感學報，中科院一區）知名學術期刊上成功發表了一篇題為《Spacetime Separable Latent Diffusion Model with Intensity Structure Information for Precipitation Nowcasting》(《具有強度結構信息的時空可分離潛伏擴散模型用于降水臨近預報》)的論文。該項研究由計算機科學與技術學院李朝榮教授團隊支持。論文的第一作者是宜賓學院和重慶理工大學聯合培養的碩士研究生凌旭東，通訊作者為李朝榮教授，宜賓學院為第一單位。該研究的模型代碼已在GitHub平臺開源。
隨著氣象數據量的不斷增長和計算性能的提升，深度學習技術在短期降雨預測中的應用變得至關重要。然而，現有的學習方法難以準確預測詳細的空間位置信息，這在極端降雨事件的預測中尤為明顯，導致預測精度不足和氣象評估指標表現不佳，限制了深度學習模型在降雨預測中的有效性和適用性。針對這些挑戰，研究團隊提出了一種具有強度結構信息的時空可分離潛在擴散模型（SSLDM-ISI），以更有效地捕獲空間和時間信息。
SSLDM-ISI（時空可分離潛在擴散模型） 結合了兩種關鍵策略來解決時空信息問題。首先，骨干網絡中的時空轉換塊有效地提取和整合了時空信息。其次，研究團隊提出的基于降雨強度結構信息的潛在空間編碼技術，增強了極端降雨的信息表示能力。
圖1 神經網絡降水量預測結構
此外，團隊還研究了各種條件對預測結果的影響，以提高模型的預測精度和穩定性。通過對兩個數據集的氣象評價和圖像質量評價指標的比較分析，團隊提出的方法在短期降雨預測方面優于現有的先進技術，取得了目前先進的結果。宜賓學院在人工智能降水量和天氣預測領域已連續三次取得前沿研究成果，為該領域的發展作出了重要貢獻。（供稿/陳明香 編輯/王穎 制作/幸雁）
論文鏈接地址：https://ieeexplore.ieee.org/document/10638096
