PCT-CycleGAN：基于雷达的降水即时预报的配对互补时间循环一致对抗网络

降水即时预报方法经过几个世纪的发展，因为降雨对人类生活有着至关重要的影响。不仅定量降水预报（QPF）模型和卷积长短期记忆网络（ConvLSTM），各种精密的方法如最新的MetNet-2也在不断涌现。本文提出了一种配对互补时间循环一致对抗网络（PCT-CycleGAN），用于基于雷达的降水即时预报，灵感来自于在图像到图像翻译中表现强劲的循环一致对抗网络（CycleGAN）。PCT-CycleGAN利用两个生成网络在配对互补循环中生成时间因果关系，这两个网络分别具有向前和向后的时间动态。每个生成网络学习大量关于时间相关的基于雷达的降水数据的一对一映射，以近似表示每个方向上的时间动态的映射函数。为了在配对互补循环之间创建强健的时间因果关系，提出了新颖的连接损失。同时，提出了暴雨损失以覆盖异常的强降雨事件。在PCT-CycleGAN中，学习向前时间动态的生成网络生成当前时刻起10分钟后的基于雷达的降水数据。同时，它还提供长达2小时的可靠预测，通过逐步预测验证。通过与几种先前方法的定性和定量比较，证明了PCT-CycleGAN的优越性。