ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０２３年第３７卷第６期Ｖｏｌ．３７Ｎｏ．６２０２３收稿日期：２０２２－０９－１２基金项目：重庆市教委科学技术项目（ＫＪＱＮ２０２００１１２９）；重庆市自然科学基金项目（ｃｓｔｃ２０１９ｊｃｙｊ⁃ｍｓｘｍＸ０２４０）作者简介：刘瑞华，男，博士，副教授，硕士生导师，主要从事智能信息处理研究，Ｅ⁃ｍａｉｌ：ｌｒｕｉｈ＠ｃｑｕｔ．ｅｄｕ．ｃｎ；通信作者邹洋杨，女，博士，讲师，主要从事数据处理研究，Ｅ⁃ｍａｉｌ：ｍａｔｈｚｙｙ＠ｃｑｕｔ．ｅｄｕ．ｃｎ。本文引用格式：刘瑞华，高翔，邹洋杨．基于多尺度混合注意力ＬＳＴＭ雷达回波外推方法［Ｊ］．重庆理工大学学报（自然科学），２０２３，３７（６）：２１２－２２１．Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＬＩＵＲｕｉｈｕａ，ＧＡＯＸｉａｎｇ，ＺＯＵＹａｎｇｙａｎｇ．Ａｒａｄａｒｅｃｈｏｅｘｔｒａｐｏｌａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｍｕｌｔｉ⁃ｓｃａｌｅｍｉｘｅｄａｔｔｅｎｔｉｏｎＬＳＴＭ［Ｊ］．Ｊｏｕｒ⁃ｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２３，３７（６）：２１２－２２１．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２３．０６．０２５基于多尺度混合注意力ＬＳＴＭ雷达回波外推方法刘瑞华，高翔，邹洋杨（重庆理工大学两江人工智能学院，重庆４０１１３５）摘要：针对基于雷达回波图的短临天气预测准确度不高的问题，提出了多尺度混合注意力长短时记忆网络模型。模型以长短时记忆网络为基础，设计引入辅助分支，提取增强图像的全局信息。设计了混合注意力特征提取模块，提取数据的细粒度和粗粒度的信息。实验结果表明：模型在ＨＳＳ和ＣＳＩ２种指标上优于Ｃｏｎｖ⁃ＬＳＴＭ、Ｐｒｅｄ⁃ＲＮＮ、ＲＡＰ⁃Ｎｅｔ等９种模型。在５、２０、４０ｄＢｚ情况下，比Ｐｒｅｄ⁃ＲＮＮ模型的ＨＳＳ指标分别提升了１．０２％、２．４６％、７．９４％，比ＣＳＩ指标分别提升了０．５４％、２．２９％、４．９１％，改进明显。关键词：长短时记忆网络；雷达回波；注意力；多尺度中图分类号：ＴＰ４５６；ＴＰ４０９文献标识码：Ａ文章编号：１６７４－８４２５（２０２３）０６－０２１２－１００引言短临预报，即短...
