来源：期刊VIP网 时间：
作者：任佳红;秦华旺;雷为好;徐星臣;
单位：南京信息工程大学电子与信息工程学院;
摘要：针对现有深度学习气象降尺度方法中网络结构单一、重建中间帧图像效果不佳等问题，提出了一种用于时空降尺度的混合专家算法(spatiotemporal downscaling using mixture of experts, STDMoE)。STDMoE首次引入混合专家网络对气象数据进行时空降尺度处理。具体而言，算法用4个专家从给定低频帧中提取空间特征信息，用3个门控网络生成硬权重与低频帧特征相乘获得3个中间特征。相比其他时间降尺度方案，增加了特征的时空相关性，更有利于中间帧图像重建。在法国气象局提供的开放性雷达降水数据集上进行测试，发现STDMoE模型在各项性能指标上均优于主流的U-Net网络和传统插值方法，进一步利用LFC模块对模型优化得到了更佳的效果。
关键词：深度学习;;气象;;时空降尺度;;雷达降水;;专家
