Page 143 - 《高原气象》2025年第3期

3 期 张淏元等：基于深度学习提升中国西南地区夏季降水短期气候预测的研究 701

图4 三个模型2019 -2022年平均降水量预测结果绝对误差的空间分布（单位： mm·d ）
-1
（a） SST-ConvLSTM的绝对误差， （b） ConvLSTM的绝对误差， （c） NCC的绝对误差
Fig. 4 Spatial distribution of absolute errors in the average precipitation forecasts from 2019 to 2022 for
-1
the three models. Unit： mm·d .（a） the absolute errors of SST-ConvLSTM， （b） the absolute
errors of ConvLSTM， （c） the absolute errors of NCC
模型的综合表现最佳。分析预测值与实况值空间 型和 ConvLSTM 的预测性能较好， 其中 SST-Conv‐
分布之间的绝对误差时也可发现， SST-ConvLSTM LSTM表现更为突出。
模型的误差相对较小且分布均匀。在评估不同模 为了进一步优化 SST-ConvLSTM 模型在降水
型对四个时间段降水量的预测性能时， 本文采用了 短期气候预测中的性能， 本文认为可以从模型架构
三种指标。在西南地区复杂的气候背景下， NCC的 和数据输入两个关键维度进行精细化的改进。在
预测性能相对较弱。相比之下， SST-ConvLSTM 模 模型架构方面， 深化网络层次和采用更复杂的网络