近期，湖北省氣象服務中心人工影響天氣科研團隊在播云效果定量評估方法研究方面取得新進展。研究人員利用基于人工智能（AI）的播云效果定量評估方法，首次提出了融合UNET-GRU的算法結構。該方法重點設計了一種合理的短期降雨量預測算法，并使用歷史數據分別為自然演化和人工增雨條件構建訓練模型，將人工增雨模型預測的降水量與實際降水量進行比較，從而評估人工增雨效果。

UNET-GRU算法模型能夠支持小數據集訓練的短期降雨量預測。同時，該算法利用6分鐘分辨率的天氣雷達數據的四種模式（MTOP、MCR、MVIL和CAPPI）和雨量生成圖像，通過UNET網絡處理提取模態特征。與標準的UNET架構相比，UNET-GRU架構的參數多，約為2160萬個，而標準UNET架構的參數約為1730萬個。因此，UNET-GRU模型在捕捉降雨聚集的發展和準確描述雨團的垂直分布方面表現較好。綜合模型還結合了多個模型的優點。

據悉，《基于UNET-GRU深度學習檢驗播云作業效果的方法和裝置》科技成果已榮獲國家發明專利授權。

（作者：李德俊 易柯欣?責任編輯：張林）