基于深度学习的降水临近预报：从时间序列预测视角的综述

基于深度学习的时间序列预测凭借其在高分辨率数据集中估计运动流的能力，主导了短期降水预报领域。对降水临近预报日益增长的兴趣为当前预报技术的进步提供了大量机遇。然而，目前缺乏对使用深度学习进行时间序列降水预报的深入综述。因此，本文系统性地回顾了时间序列降水预报模型的最新进展。具体而言，我们在背景组件中研究了以下关键点，包括：i) 预处理，ii) 目标函数，以及 iii) 评估指标。然后，我们根据模型预测未来帧的方法，将预报模型分为\textit{递归}和\textit{多步}策略，研究了采用这些策略的模型的影响及性能评估。最后，我们在一个公开基准上评估了当前基于深度学习的降水预报模型，讨论了它们的局限性和挑战，并提出了一些有前景的研究方向。我们的贡献在于为更好地理解时间序列降水预报提供见解，并帮助为未来开发稳健的人工智能解决方案。