来源：期刊VIP网 时间：
作者：张学文;周峥;王铁军;
单位：成都信息工程大学计算机学院;无锡九方科技有限公司;
摘要：使用超分辨率方法将低分辨率预报结果转化为精细化预报结果，可减少因气候变化带来的危害。为进一步提高超分辨率的准确性，本研究提出一种新的超分辨率模型WDDN(Wavelet Diffusion Downscaling Net)。该模型通过对基准扩散模型结构进行优化，融合小波变换，通过减少扩散模型的输入，降低模型的推理时间；同时设计了一个基于加法注意力机制的初始预测器，用于缩小低分辨率插值数据与高分辨率数据之间的差异。在ERA5再分析数据集和GFS预报数据集上，对2m温度图像从0.5°空间分辨率重建至0.25°高分辨率实验评估中，WDDN模型在MAE和PSNR误差指标均超过了其他传统线性插值方法和先进模型，并且推理效率相比基准扩散模型得到大幅度提升，充分表明了WDDN模型在超分辨率任务中的先进性。
关键词：2m温度;;超分辨率;;扩散模型;;小波变换
基金资助：四川省重大科技专项项目(No.2024ZDZX0001);; 基础科研计划(No.JCKY2022110C119)
