全可微分的拉格朗日卷积神经网络用于一致性连续物理引导的降水即时预测

该论文提出了一种卷积神经网络模型，用于在降雨预报中将数据驱动学习与物理知识相结合。我们提出了 LUPIN，一种拉格朗日双 U-Net 物理驱动预报模型，它借鉴了现有的基于外推的预报方法，并以完全可区分和 GPU 加速的方式实现了数据的拉格朗日坐标系统转换，以实现实时的端到端训练和推理。根据我们的评估，LUPIN 与所选基准模型的表现相匹配并超出，为其他拉格朗日机器学习模型提供了机会。