降水预测，包括高分辨率区域和精确强度预测，一直是人工智能（AI）领域的一个核心焦点。一般来说，人工智能模型根据历史雷达降水序列预测未来的雷达降水序列。然而，目前的降水预报存在3个问题：1)降水模式不匹配，例如运动速度；2)模糊降水场生成；3)强度预测不准确。这是由于人工智能模型：1)倾向于模拟平均运动状态而忽视个体运动（定义为对单个降水样本的运动速度、轨迹和方向的描述），导致对特定降水场的运动速度要么高估要么低估；2)倾向于滤除信息传递中的高频成分以降低噪声，导致降水场分辨率低、模糊。建模挑战限制了实现高分辨率区域和准确的强度预测。本研究针对前者，提出了一种个体运动驱动的人工智能（IMD-AI）方法，通过构建的模式组结合运动匹配、对齐和细化。有效地解决了单个降水场的运动估计不匹配问题，保证了全局、完整的区域降水预测。针对后者，提出了一种调度采样、块嵌入和对抗策略（SPA）训练机制，消除了高频成分过滤过程中尖锐和局部信息丢失的问题。大量实验结果表明，IMD-AI实现了单个降水场的精确运动估计，并生成高分辨率的区域和准确的强度预测。

人工智能,降水预报