张颖

报告题目：

生成式神经网络在低空危险气象预测领域应用研究

个人简介：

成都流体动力创新中心三室助理研究员，主要从事云雾环境飞行探测研究工作，完成了云雾环境预测方法构建、数据库构建、探测无人机数据测量和通信总体设计，获得发明专利授权3项，发表期刊论文3篇。

摘要：

危险天气预报是推动低空技术理论完善和发展的必要前提。针对传统数值气象预报方法存在计算资源消耗巨大、历史数据利用不充分问题，现有大模型“场到场景”预测缺乏、计算资源需求过高的挑战，提出应用生成式神经网络对低空危险气象进行分析预测。本研究提出基于再分析资料、卫星、雷达等多源异构气象数据，构建五维关键特征数据集，通过阈值法结合飞行器报告等经验资料对高精度异构气象数据集进行判别，形成危险天气概率图谱；对多源异构气象数据进行特征提取与融合，构建残差卷积神经网络预报生成器，根据动态特征场和危险天气概率图谱，应用条件式对抗神经网络为核心预测模型和多尺度卷积层判别器，实现对危险天气特征的精准捕获；最后，采用渐进式增长训练策略和分布式训练方法，获得敏捷、易部署的轻量化生成式神经网络模型。该轻量化的高精准天气实时预测模型将为低空特殊作业决策提供支持，全天候保障低空飞行安全。