短时临近预报里，强降水落区去哪儿是核心问题。传统外推靠人工经验或简单光学流，几十分钟后就会发散。我们把外推交给 AI——深度学习逐 6 分钟外推未来 0–60 分钟雷达回波，强降水落区提前预见。
推不长、推不准、会发散、要时效
人工或简单外推过了三十分钟就明显发散，对持续性强降水过程难以支撑。
强降水中心生消演变复杂，传统方法对落区强度与形态的刻画能力有限。
回波的合并、分裂、新生、消散非线性变化，线性外推很难跟上。
临近预报以分钟计，外推结果晚一步，防灾调度就少一步。
把最费人工的外推环节，交给深度学习逐帧预测
连续雷达回波序列接入模型，作为外推的初始场与演变依据。
深度学习逐 6 分钟外推未来 0–60 分钟回波，刻画生消演变与落区走向。
外推结果叠加到临近预报流程，强降水落区与强度提前呈现，支撑防灾调度。
不靠线性外推，而是深度建模、逐 6 分钟抗发散外推
针对推不长、推不准、会发散、要时效四个「推」难题，我们把历史回波序列交给深度学习逐帧外推——未来 0–60 分钟强降水落区提前呈现，逐 6 分钟步长更新，比线性外推更抗发散。具体能力与本地部署方式，见产品详情页。了解完整产品能力 →
历史回波序列逐帧外推，未来 0–60 分钟强降水落区提前呈现
演示为脱敏模拟数据，实际外推结果以本地模型运行为准
把外推交给 AI，把校验交给规则，把人解放出来
| 维度 | 人工 / 简单外推 | 天溥 AI 外推 |
|---|---|---|
| 有效时长 | 三十分钟后明显发散 | 逐 6 分钟外推 0–60 分钟 |
| 演变刻画 | 线性外推跟不上生消 | 深度学习建模非线性演变 |
| 落区精度 | 强降水中心难抓准 | 落区形态强度精细刻画 |
| 时效 | 外推结果滞后 | 分钟级跟上临近预报 |
| 数据安全 | 资料外发易泄露 | 数据不出本机，本地可演示 |
先拿历史强降水过程跑一次，再见真章
摸清临近预报业务与资料类型
挑典型强降水过程做样例
拿历史回波当场跑外推
接入本地算力，数据不出机构
