第二届未来大气科学论坛

人工增雨效果检验是人工影响天气业务中的关键技术难题。传统统计方法在构建“无作业对照”方面存在较大不确定性，难以有效分离自然降水变率与人工催化效果。本文提出一种基于深度学习的人工增雨效果检验方法，利用部署在湖南省常德市澧县的DSG1型雨滴谱仪长达5年的历史观测数据，训练雨滴谱时间序列预测模型，学习自然降水过程中雨滴谱参数的演变规律，并将模型预测的“无作业”情景与实际人工催化后的观测进行定量对比，以差异量化人工增雨效果。结果表明模型在测试集上对lgN_w、D_m和μ三个参数的Pearson相关系数分别达0.9639、0.9430和0.8461，具备精确预测能力。以2025年4月21日湖南省常德市澧县地面增雨作业个例为例，在增雨作业阶段，实际瞬时降水率峰值达28 mm/h，较模型预测的自然降水值(4 mm/h)高出24 mm/h；至作业结束时刻，实际累计降水量较预测自然降水量增加1.1 mm，增幅达41%，表明本次作业具有显著增雨效果。该方法为人工增雨效果提供了直观、定量的科学评估依据，在业务应用中具有良好的推广潜力。
 

深度学习,人工智能,人工增雨,人工影响天气,雨滴谱