本研究在原始UNet模型的基础上加入数据增强模块、课程学习采样器和TimeConv模块，利用安徽地区的雷达最大组合反射率数据以及模式产品数据训练模型，得到了输入历史1时数据、输出未来0到2时逐6分钟的雷达回波外推模型。实现了对UNet模型的改进以及数值模式约束的结合。结果表明，改进之后的En_UNet模型相较于原始UNet模型而言，在中、低回波区域预测的1-2小时成功率提高了12.1%，空报率降低了11.3%。数据增强模块和TimeConv模块对于模型性能的提升效果最显著。前者使得用于模型训练的强回波样本增加，机器学习模型的性能与所用数据直接相关，强回波样本的增加显著提升了模型对于强回波区域的学习率；后者向模型中加入了更多的时间变化信息，提取了输入时间序列中的回波移动发展信号，弥补了UNet模型自身对时间信息提取不足的缺点。在此基础上，向En_UNet模型加入模式产品中的引导气流数据和对流生消信息，使得中、高回波区域预测的成功率平均提升了47.1%，但牺牲了38.5%的空报率。对流生消信息的输入使得模型在预测强回波区域的发展变化时，强度偏强、范围偏大，在增强对强回波区域预警能力的同时也增加了虚报的可能。

雷达回波；数值分析场；物理约束；临近预报；机器学习