近日，宜宾学院临港校区与重庆理工大学联合培养的研究生在Pattern Recognition Letter(模式识别快报)期刊上发表了一篇题为TU2Net-GAN: A temporal precipitation nowcasting model with multiple decoding modules(时序U型生成对抗网络:具有多个解码模块的时间降水临近预报模型)的学术论文。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——时序U形嵌套网络（TU2Net）。

该项研究由宜宾学院临港校区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临港校区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(时序U型生成对抗网络)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）。该模型通过嵌套两层的UNet（U形网络）结构，能够更好地捕捉降雨数据的空间特征，并提高预测精度。此外，该模型还结合了多个Conv-GRU(卷积门控循环单元)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(自然)期刊发表的DGMR(Deep Generative Models of Radar 雷达深度生成模型)降雨量预测模型。

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日习近平总书记到校视察时受到了关注，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临港校区、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。团队期待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。

（供稿/陈明香 审核/王星捷 终审/刘国琴 编辑/王颖 制作/幸雁）