该文介绍了一种基于深度学习架构的降水模拟方法，可以全球范围内每 30 分钟进行一次未来 4 小时的预测。该架构融合了 U-Net 和 LSTM 神经网络，并使用来自 GFS 的 IMERG 数据和一些关键的降水驱动因素进行训练。分类网络在极端降水模拟方面表现优于回归网络，物理变量的引入可以提高降水模拟的准确性，特别是对于较长的预测时段。在分辨率为 10 公里的尺度下，该模型仍然具有较高的技能得分，尤其对于 4 毫米 / 小时以上的降水情况。