李英睿，李 琼，魏加华，3*，乔 禛，申惟文

(1.青海大学土木工程学院，青海 西宁 810016；2.省部共建三江源生态与高原农牧业国家重点实验室，青海大学，青海 西宁 810016；3.清华大学水沙科学与水利水电工程国家重点实验室，北京 100084)

雷达回波外推是临近降水预报的主要手段，原理是利用雷达探测到的回波数据，确定回波的强度分布及回波体的移动速度和方向，通过对回波体进行线性或非线性的外推，预报一定时间段后的雷达回波状态。传统的雷达回波外推中交叉相关法[1-2]对数据利用率低，对于速度梯度大、演变快的回波，反演误差大，难以推演实际天气状况。质心跟踪法[3-4]在稳定性降水预报中可以取得较好效果[5]，但在局部地区对流天气中，回波发展演变较快，无法满足守恒条件，预报效果会随时间的变化快速下降[6-7]。光流法[8]是从连续的图像序列中计算光流场[9]，利用图像序列中像素在时间域上的变化及相邻帧之间的相关性，建立上一帧跟当前帧之间存在的对应关系，再计算出相邻帧之间物体的运动信息。为提高预测效果，基于神经网络方法进行临近预报是目前研究的热点[10]。Ayzel等[11]提出各层卷积核数量不同的6层全卷积Dozhdya.Net模型，采用零填充保持空间分辨率，与光流法相比在预报上具有更高的精度。陈家慧等[12]将BP神经网络模型应用于混合型降水回波的外推，从历史回波数据中学习得到回波运动的特征。施恩等[13]提出基于输入的动态卷积神经网络模型(DCNN-1)，与传统回波外推方法相比，该方法有更高的预测精度且能有效延长外推时效。……