近期，湖北省气象服务中心人工影响天气科研团队在播云效果定量评估方法研究方面取得新进展。研究人员利用基于人工智能（AI）的播云效果定量评估方法，首次提出了融合UNET-GRU的算法结构。该方法重点设计了一种合理的短期降雨量预测算法，并使用历史数据分别为自然演化和人工增雨条件构建训练模型，将人工增雨模型预测的降水量与实际降水量进行比较，从而评估人工增雨效果。
UNET-GRU算法模型能够支持小数据集训练的短期降雨量预测。同时，该算法利用6分钟分辨率的天气雷达数据的四种模式（MTOP、MCR、MVIL和CAPPI）和雨量生成图像，通过UNET网络处理提取模态特征。与标准的UNET架构相比，UNET-GRU架构的参数多，约为2160万个，而标准UNET架构的参数约为1730万个。因此，UNET-GRU模型在捕捉降雨聚集的发展和准确描述雨团的垂直分布方面表现较好。综合模型还结合了多个模型的优点。
据悉，《基于UNET-GRU深度学习检验播云作业效果的方法和装置》科技成果已荣获国家发明专利授权。
