一种基于深度学习模型的西北太平洋台风降水订正方法

本发明涉及降水尺度技术领域，具体涉及一种基于深度学习模型的西北太平洋台风降水订正方法，获取西北太平洋的ERA5数据、GPM数据和热带气旋最佳路径数据集，得出历史台风的活跃时段和影响范围，从所述ERA5数据和所述GPM数据中提取每个台风对应的降水数据，再对其进行预处理，得到训练模型的数据集；构建西北太平洋台风降水订正模型，利用数据集对模型进行训练；获取目标台风的ERA5再分析降水数据，将其输入至训练好的西北太平洋台风降水订正模型，得到目标台风的降水订正结果。本发明通过深度学习模型的非线性特征提取能力，提升再分析数据对台风降水的预报准确率；模型能够保留降水场的精细空间结构，捕捉台风降水的演变规律，为防灾决策提供科学依据。