由教育部學(xué)位管理與研究生教育司指導(dǎo)，中國學(xué)位與研究生教育學(xué)會、中國科協(xié)青少年科技中心主辦，東南大學(xué)承辦的“華為杯”第二十屆中國研究生數(shù)學(xué)建模競賽頒獎(jiǎng)典禮暨二十周年慶祝大會在12月15日至12月17日在東南大學(xué)舉行。蘭州大學(xué)研究生團(tuán)隊(duì)在本次賽事中榮獲全國一等獎(jiǎng)1項(xiàng)、二等獎(jiǎng)9項(xiàng)、三等獎(jiǎng)16項(xiàng)，成功參賽獎(jiǎng)若干項(xiàng)。

大賽介紹：

“中國研究生數(shù)學(xué)建模競賽”是由教育部學(xué)位管理與研究生教育司指導(dǎo)，中國學(xué)位與研究生教育學(xué)會、中國科協(xié)青少年科技中心主辦的“中國研究生創(chuàng)新實(shí)踐系列大賽”主題賽事之一，是面向在校研究生進(jìn)行數(shù)學(xué)建模應(yīng)用研究的學(xué)術(shù)競賽活動，是廣大在校研究生提高建立數(shù)學(xué)模型和運(yùn)用互聯(lián)網(wǎng)信息技術(shù)解決實(shí)際問題能力、培養(yǎng)科研創(chuàng)新精神和團(tuán)隊(duì)合作意識的大平臺。

中國研究生數(shù)學(xué)建模競賽的發(fā)展起源于2003年由東南大學(xué)發(fā)起并主辦的“南京及周邊地區(qū)高校研究生數(shù)學(xué)建模競賽”，2004年更名為全國研究生數(shù)學(xué)建模競賽，2013年被納入教育部學(xué)位中心主辦的中國研究生創(chuàng)新實(shí)踐系列大賽。2017年參賽高校擴(kuò)大到國外高校，再次更名為“中國研究生數(shù)學(xué)建模競賽”。

2023年9月22-26日，由華為技術(shù)有限公司贊助，東南大學(xué)承辦的“華為杯”第二十屆中國研究生數(shù)學(xué)建模競賽順利舉行，本次賽事共有來自國際和全國各省、自治區(qū)、直轄市、特別行政區(qū)共507個(gè)研究生培養(yǎng)單位的19898隊(duì)研究生交卷參賽。按競賽章程，評選出一等獎(jiǎng)200隊(duì)（獲獎(jiǎng)比例為1.01%），二等獎(jiǎng)2659隊(duì)(獲獎(jiǎng)比例為13.36%)，三等獎(jiǎng)3981隊(duì)（獲獎(jiǎng)比例為20.01%），總獲獎(jiǎng)隊(duì)數(shù)6840隊(duì)，總獲獎(jiǎng)比例34.38%，其余大多數(shù)隊(duì)獲成功參與獎(jiǎng)。

全國一等獎(jiǎng)獲獎(jiǎng)團(tuán)隊(duì)——yl7703永利官網(wǎng)“努力進(jìn)答辯隊(duì)”團(tuán)隊(duì)：

指導(dǎo)老師：李周平教授

隊(duì)長：何婷婷，2022級應(yīng)用統(tǒng)計(jì)專業(yè)研究生（導(dǎo)師：李周平 教授）

隊(duì)員：于浩洋，2022級應(yīng)用統(tǒng)計(jì)專業(yè)研究生（導(dǎo)師：李周平 教授）

隊(duì)員：朱新彧，2022級概率論與數(shù)理統(tǒng)計(jì)專業(yè)研究生（導(dǎo)師：李周平 教授）

參賽項(xiàng)目名稱：基于雙偏振訂正NowcastNet 的短臨降水估測研究

項(xiàng)目介紹：

我們團(tuán)隊(duì)選擇的題目是強(qiáng)對流天氣降水臨近預(yù)報(bào)問題（F題）。強(qiáng)對流天氣是造成社會經(jīng)濟(jì)損失、危害生命安全最嚴(yán)重的一類災(zāi)害性天氣；該類天氣具有突發(fā)性和局地性強(qiáng)、生命史短及災(zāi)害重等特點(diǎn)，其中，強(qiáng)對流天氣降水臨近預(yù)報(bào)問題是天氣預(yù)報(bào)業(yè)務(wù)中的難點(diǎn)。本次賽題的建模任務(wù)主要包括兩個(gè)方面：一、基于大賽提供的雙偏振雷達(dá)資料和降水?dāng)?shù)據(jù)，構(gòu)建雷達(dá)回波外推預(yù)測模型來提取雙偏振雷達(dá)資料中的微物理信息，同時(shí)緩解雷達(dá)回波外推預(yù)測的模糊效應(yīng)；二、建立定量降水估測模型，評估雙偏振雷達(dá)資料在降水定量估測中的貢獻(xiàn)，并優(yōu)化雙偏振雷達(dá)資料的數(shù)據(jù)融合策略。

為了有效應(yīng)用雙偏振雷達(dá)信息對強(qiáng)對流降水做出更準(zhǔn)確的短臨預(yù)報(bào)，我們團(tuán)隊(duì)將NowcastNet 模型作為強(qiáng)對流降水預(yù)報(bào)的主體，結(jié)合模糊邏輯算法和路徑綜合衰減算法對雙偏振雷達(dá)資料進(jìn)行訂正，進(jìn)行了基于雙偏振訂正 NowcastNet 的雷達(dá)回波外推預(yù)測研究。我們發(fā)現(xiàn)相較于基于卷積和循環(huán)神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)雷達(dá)外推預(yù)測方法，如ConvLSTM、 PredRNN 及 PredRNN-v2，基于深度生成網(wǎng)絡(luò)的NowcastNet 模型在進(jìn)行雷達(dá)回波外推預(yù)測中能夠有效提取雙偏振雷達(dá)資料中的微物理信息，并極大程度上緩解預(yù)報(bào)的模糊效應(yīng)。

針對強(qiáng)對流降水的定量估測問題，我們團(tuán)隊(duì)對建模數(shù)據(jù)進(jìn)行了采樣匹配與質(zhì)量控制，并從不同角度尋找了雷達(dá)反射率與降水量的關(guān)系式；另外基于分層貝葉斯線性回歸模型得到的雷達(dá)反射率與降水量的關(guān)系式和雙偏振訂正NowcastNet 的雷達(dá)回波外推預(yù)測結(jié)果定量評估了雙偏振雷達(dá)資料在降水估測中的貢獻(xiàn)。我們發(fā)現(xiàn)基于雙偏振訂正 NowcastNet 的短臨降水估測結(jié)果的臨界成功指數(shù)（CSI）相較于不進(jìn)行雙偏振訂正的預(yù)測結(jié)果提升約5.65%。最后，我們團(tuán)隊(duì)利用 XGBoost模型進(jìn)行了不同高度下的雙偏振雷達(dá)資料融合策略建模分析，發(fā)現(xiàn)使用不同高度的雙偏振雷達(dá)資料可以優(yōu)化強(qiáng)對流降水臨近預(yù)報(bào)的建模效果。