近日，宜宾学院与重庆理工大学联合培养的研究生在Pattern Recognition Letter期刊上发表了一篇学术论文：TU2Net-GAN: A temporal precipitation nowcasting model with multiple decoding modules。该论文主要研究了地球温度上升和异常天气事件频繁发生背景下，降水形成机制日益复杂的问题，并提出了一个创新的深度学习模型——时间U2Net（TU2Net）。

该项研究由宜宾学院人工智能与大数据学部李朝荣教授领导的人工智能与视觉检测团队支持。论文的第一作者是宜宾学院和重庆理工大学联合培养的硕士研究生凌旭东，通讯作者为李朝荣教授。此外，该研究的代码已发布在GitHub开源平台上，供全球研究者免费使用和借鉴。

TU2Net-GAN模型是一种专门针对处理时间序列数据的深度GAN模型（见图1）。该模型通过嵌套的具有两个层的UNet结构，能够更好地捕捉降雨数据的时空特征，并提高预测精度。此外，该模型还结合了多个Conv-GRU解码模块，进一步增强了其时空性能。通过改进的损失函数，该模型的预测质量得到了显著提升。TU2Net-GAN的综合性能优于2021年9月Nature期刊发表的DGMR降雨量预测模型。

图1 TU2Net-GAN模型

值得一提的是，凌旭东在学术成绩方面表现优秀，2021年荣获世界机器人大赛冠军。他的竞赛作品在2022年6月8日受到了习近平总书记的观赏，这无疑是对他学术成就的极高认可。

这一研究成果不仅为降雨预测领域带来了新的突破，同时也彰显了宜宾学院、重庆理工大学和成都信息工程大学在人工智能和气象科学领域的实力和合作成果。我们期待在未来，这种创新性的深度学习模型能够在实际应用中得到广泛应用，为防洪减灾、水资源管理等领域的决策提供更可靠的依据。

撰稿人：陈明香

审稿人：李朝荣、王星捷