基于深度学习的城市空中交通高精度气象预报

发布时间：2025-10-31 打印

　　城市空中交通(UAM)飞行器在1000-2000英尺高度的城市复杂地形上空运行，需要精确的实时气象预报以确保安全。传统大尺度预报系统因网格分辨率不足难以准确捕捉湍流边界层特征，而高分辨率CFD模拟计算成本过高，无法满足实时需求。研究旨在开发一种深度学习模拟器，能够快速生成CFD级别的高分辨率气象数据，解决UAM面临的实时气象预报挑战。

　　研究团队构建基于残差密集块（RDB）的深度学习架构，融合多尺度卷积核（3×3、5×5、7×7）和风向分类系统，输入韩国气象局LDAPS系统的低分辨率气象数据（1.5公里）及地表特征（地形、建筑密度等），通过15个针对不同风向/风速类别的子模块加权融合，快速生成类CFD结果。测试显示，模拟器在UAM飞行路径上风速预测均方根误差（RMSE）低于0.92 m/s（R²>0.93），温度预测RMSE低于0.59°C（R²>0.99），单GPU推理速度达6秒/小时预报，较CPU-CFD加速600～900倍。

附件：

版权信息：Copyright@ 中国气象局图书馆（气象科技史研究中心）技术支持：北京中科聚网信息技术有限公司

地址：北京市海淀区中关村南大街46号联系电话：010-68406306 68409247 Email：cmalibrary@126.com

京ICP备15008089号-4

图书馆公众号