复现：Mamba-UNet：降水临近预报的创新解决方案
S. Zhao et al., “Mamba-UNet: Dual-Branch Mamba Fusion U-Net With Multiscale Spatio-Temporal Attention for Precipitation Nowcasting,” in IEEE Transactions on Industrial Informatics, doi: 10.1109/TII.2025.3540478.
原文
复现代码在最后
在全球气候变化的背景下，降水临近预报（0-6小时内局部地区降水预测）变得愈发重要。它对于农业、水资源管理、航空运输以及灾害预防等领域都有着不可忽视的价值。然而，这一任务充满挑战，包括区域异质性导致的泛化难题、动态多尺度建模的精度限制，以及对极端降水事件的敏感性不足等问题。近年来，随着深度学习技术的发展，基于雷达回波和深度学习的降水临近预报方法逐渐成为研究热点。今天，我将为大家介绍一种全新的降水临近预报网络——Mamba-UNet，它以其创新的设计和卓越的性能，为解决上述挑战提供了新的思路。
文章目录
- 传统方法的局限性
- Mamba-UNet的创新设计
- 双分支Mamba融合模块（DMFM）
- 多尺度时空注意力模块（Multiscale STAM）
- 动态分位数加权损失函数（DQWL）
- 实验验证与性能表现
- 总结与展望
- 复现
- 1.数据准备
- 2.环境搭建
- 3.模型实现
- 4.损失函数实现
- 5.训练模型
传统方法的局限性
在深入了解Mamba-UNet之前，我们先来回顾一下传统降水临近预报方法所面临的局限性。传统的数值天气预报方法在短期预测中存在分辨率有限和计算复杂度高的问题，