《LightNet：A Dual Spatiotemporal Encoder Network Model for Lighting Prediction》论文解读

本文提出了一种名叫LightNet的模型用于对雷电进行预测。通过数值天气预报系统(NWP)计算出参数，对参数进行编码，同时通过对观测图像也进行编码，其目的是校准参数编码并协助预测，对两个编码后的输出进行融合，在进行编码，最后得到需要的结果。实验证明LightNet效果优于传统气象方法和单纯的ConvLSTM。

研究目的

严重的雷电现象通常会对人类活动产生危害，因此对雷电现象的预测就显得至关重要。现存的预测方法都是基于数值天气预报系统，但这些方法都存在两个缺点：

1.基于数值天气预报的模型仿真时会在空间和时间领域上造成偏差，这就会对后续的参数化处理造成无法弥补的偏差。

2.关于雷电的参数化方案都是由专家们手动设计的，而没有利用历史信息。

因此，在本文中，作者提出了一种数据驱动的神经网络模型LightNet。LightNet不仅建立在数值天气模型上，还引入了近期雷电观测，从这两部分提取时空特征。本文的贡献在于：

1.提出了数据驱动的LightNet模型。这个模型的效果要优于现存的那些无法利用历史信息的模型。

2.引入了双编码器用于提取基于仿真和基于预测的特征。

3.通过融合模型将仿真编码器和预测编码器的特征结合。（结果证明这点有效的抵抗了仿真中的偏差）

4.通过中国南边的雷电数据集实现了三方面的提高。

模型框架

模型的框架如下图所示：