近日，我校计算机科学与技术学院（人工智能学院）在IEEE Transactions on Geoscience and Remote Sensing（IEEE地球科学与遥感学报，中科院一区）知名学术期刊上成功发表了一篇题为《Spacetime Separable Latent Diffusion Model with Intensity Structure Information for Precipitation Nowcasting》(《具有强度结构信息的时空可分离潜伏扩散模型用于降水临近预报》)的论文。该项研究由计算机科学与技术学院李朝荣教授团队支持。论文的第一作者是宜宾学院和重庆理工大学联合培养的硕士研究生凌旭东，通讯作者为李朝荣教授，我校为第一单位。该研究的模型代码已在GitHub平台开源。

随着气象数据量的不断增长和计算性能的提升，深度学习技术在短期降雨预测中的应用变得至关重要。然而，现有的学习方法难以准确预测详细的空间位置信息，这在极端降雨事件的预测中尤为明显，导致预测精度不足和气象评估指标表现不佳，限制了深度学习模型在降雨预测中的有效性和适用性。针对这些挑战，研究团队提出了一种具有强度结构信息的时空可分离潜在扩散模型（SSLDM-ISI），以更有效地捕获空间和时间信息。

SSLDM-ISI（时空可分离潜在扩散模型） 结合了两种关键策略来解决时空信息问题。首先，骨干网络中的时空转换块有效地提取和整合了时空信息。其次，研究团队提出的基于降雨强度结构信息的潜在空间编码技术，增强了极端降雨的信息表示能力。

图1 神经网络降水量预测结构

此外，团队还研究了各种条件对预测结果的影响，以提高模型的预测精度和稳定性。通过对两个数据集的气象评价和图像质量评价指标的比较分析，团队提出的方法在短期降雨预测方面优于现有的先进技术，取得了目前先进的结果。我校在人工智能降水量和天气预测领域已连续三次取得前沿研究成果，为该领域的发展作出了重要贡献。

论文链接地址：https://ieeexplore.ieee.org/document/10638096