sLSTM

新的MZ-Rain模型利用物理引导的AI改进降水临近预报

研究人员开发了MZ-Rain，一种用于站点级降水临近预报的新颖框架，它解决了两个关键挑战：缺乏物理引导建模和降水数据中严重的零膨胀。该模型采用湿度收支引导的方法，将降水形成分解为不同的路径，如水分储存和传输，每个路径由专门的sLSTM分支管理。为了处理干旱期普遍存在的情况，MZ-Rain采用了一种自适应Tweedie建模策略，该策略同时学习降水发生和定量估计。实验表明，MZ-Rain在各种气候条件下均优于现有方法，尤其是在预测强降水事件方面。