技术栈

· 深度学习：PyTorch、Earthformer / Cuboid Transformer、残差扩散模型、时空注意力机制
· 编程语言：Python（主力）、C++（面向对象/STL）、Java
· 数据处理：NetCDF气象数据处理、多源卫星/雷达/站点数据融合
· 开发环境：Linux、CMake、Git

擅长场景

· 临近降水预报与气象AI模型研发
· 多模态时空数据融合与预报建模
· 深度学习实验设计、消融验证与论文级结果复现

解决问题

· 雷达+卫星数据融合的短临降水预报，针对长时效性能退化问题
· 从数据预处理、基线跑通到创新点迭代的全流程模型开发
· 用CSI等行业指标做定量评测，输出可用于比赛和论文的完整实验结果

临近降水预报研究项目
项目背景：针对青海区域短临降水预报需求，开展风云四号B卫星与雷达数据融合的深度学习预报研究，目标是提升0-3小时降水预报精度。
我的职责：负责数据预处理（FY-4B卫星+雷达数据对齐、NC文件经纬度校验）、基线模型搭建与调优（Earthformer、SimVP），以及基于Cuboid Transformer的改进模型研发。
结果产出：
· 完成4万+样本数据集构建与清洗，跑通Earthformer等3个基线模型，建立CSI指标评测基准
· 提出残差扩散+Flow-Warp的改进方案，在多阈值CSI指标上优于基线模型
· 输出可用于论文写作的完整实验对比结果，含定量指标曲线与定性预报对比图