一种基于UNet-SwinT网络模型的短时降水预测方法

本发明公开了一种基于UNet‑SwinT网络模型的短时降水预测方法，包括：获取历史实况雨量数据并构建模型训练数据集Rain‑DS；构建名为S‑SwtUNet网络模型，构建方法包括：在UNet模型中引入卷积块注意模块和深度可分离卷积模块，并对SwinT模型进行结构精简，然后将上述处理后的UNet和SwinT有机融合生成S‑SwtUNet网络模型；将Rain‑DS数据集对S‑SwtUNet网络模型进行训练，得到训练完成的S‑SwtUNet网络模型；将实时获取的实况雨量数据输入训练完成的S‑SwtUNet网络模型，得到短时降水预测结果。本申请通过构建S‑SwtUNet网络模型能自适应捕捉雨量实况数据中的短期和长期动态变化信息，降低模型参数，并高效处理高时空分辨率实况雨量图，提高短时降水预测精度；同时还提供了没有雷达回波数据情况下进行短时降水预测的一种新方法。