Linear Variable Convolution and Cross Attention LSTM Method for Radar Echo Extrapolation

doi:10.3724/j.1006-8775.2025.047

Linear Variable Convolution and Cross Attention LSTM Method for Radar Echo Extrapolation

2026-04-01

0

PRE

AI

DOI：10.3724/j.1006-8775.2025.047

原文链接

原文求助

摘要

En 中文

雷达回波外推在短期天气预报中至关重要。为提升雷达回波预测的准确性和适应性，本文提出了一种将线性变换单元（LVC）模块和交叉注意力（CA）机制融入时空长短时记忆（ST-LSTM）框架的新方法，命名为LVC-LSTM。LVC模块能够动态调整卷积采样形状，使网络更精确地捕捉雷达回波的不规则和演变结构，从而在灵活性和表征能力上优于传统卷积和变形卷积。CA机制引入了基于金字塔的CA结构，整合跨尺度嵌入和分层注意力模块，有效捕捉雷达回波动力学中的多尺度特征及长程、短程空间依赖关系。采用真实雷达回波数据集的实验结果表明，LVC-LSTM模型在关键成功指数、Heidke技能评分、均方根误差、平均绝对误差和结构相似性指数等多项评价指标上均优于对比模型，显示出其在实际雷达回波外推中的巨大潜力。

Keyword:

long-and short-term memory networks

precipitation forecasting

radar echo extrapolation

linear variable convolution

cross-attention mechanism

Linear Variable Convolution and Cross Attention LSTM Method for Radar Echo Extrapolation

摘要

期刊

机构