[發明專利]一種預測臺風期陣風的方法

有效

• 申請號: 201711324190.2
• 申請日: 2017-12-13
• 公開（公告）號: CN108074014B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 何彩芬;錢斌凱;金煒;徐彬;林陳爽
• 申請（專利權）人: 寧波市鎮海區氣象局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 寧波奧圣專利代理有限公司 33226
• 代理人: 程天鵬

1.一種預測臺風期陣風的方法，其特征在于包括以下步驟：

1.1獲取樣本錨地的所有采集到的特定臺風活躍時期內的待處理數據，待處理數據由WRF模式預報特征因子和與WRF模式預報特征因子一一對應的自動站觀測數據中的風速真值兩部分組成；從待處理數據中選取設定的待預測時間段前的全部數據作為訓練集，從待處理數據中選取設定的待預測時間段內的全部數據作為預測集，并對訓練集和預測集分別進行歸一化預處理，得到預處理后的訓練集和預處理后的預測集，WRF模式預報特征因子包括極大風風向、降雨量、氣溫、相對濕度、露點溫度和氣壓；

1.2利用模糊C-均值聚類算法對預處理后的訓練集進行模糊聚類分析，獲取預處理后的訓練集的隸屬度矩陣和聚類中心，從而獲得預處理后的訓練集的隸屬度，根據預處理后的訓練集的隸屬度建立模糊訓練集；

利用模糊C-均值聚類算法對預處理后的預測集進行模糊聚類分析，獲取預處理后的預測集的隸屬度矩陣和聚類中心，從而獲得預處理后的預測集的隸屬度，根據預處理后的預測集的隸屬度建立模糊預測集；

1.3初始化果蠅優化算法中種群規模N、最大迭代次數、算法終止條件、味道濃度判定函數和限制參數θ，0＜θ＜0.1，設定模糊支持向量機的懲罰因子C的取值范圍和核參數g的取值范圍；

1.4對模糊支持向量機的懲罰因子C和核參數g優化，具體過程如下：

1.4.1設置果蠅群體的當前初始位置坐標，該當前初始位置坐標為三維空間中的坐標，將與其中第i個果蠅對應的懲罰因子記為C_i，1≤i≤N，將與第i個果蠅對應的核參數記為g_i；

1.4.2獲取與C_i對應的第i個果蠅隨機移動后的當前狀態位置坐標與果蠅群體的當前初始位置坐標之間的直線距離Dist_c，獲取與g_i對應的第i個果蠅隨機移動后的當前狀態位置坐標與果蠅群體的當前初始位置坐標之間的直線距離Dist_g，再獲取與C_i對應的當前味道濃度判定值Sc_i，獲取與g_i對應的當前味道濃度判定值Sg_i，

1.4.3將與C_i對應的優化味道濃度判定值記為Sc_i^*，Sc_i^*＝Sc_i+γ_c，其中，γ_c＝Dist_c×θ，將與g_i對應的優化味道濃度判定值Sg_i^*，Sg_i^*＝Sg_i+γ_g，γ_g＝Dist_g×θ；

1.4.4令C_i＝20×Sc_i^*，g_i＝Sg_i^*，根據C_i和g_i用模糊訓練集訓練模糊支持向量機模型得到與第i個果蠅對應的訓練后的模型，根據與第i個果蠅對應的訓練后的模型用模糊預測集預測獲得與第i個果蠅對應的風速預測值，將與第i個果蠅對應的風速預測值和模糊預測集中的風速真值的平均誤差定義為第i個果蠅的當前味道濃度Smell_i；

1.4.5獲取N個果蠅中每個果蠅的當前味道濃度，找出當前味道濃度最小的果蠅并獲取該果蠅的當前狀態位置坐標，同時果蠅群體移動到該當前當前狀態位置坐標；

1.4.6重復步驟1.4.2～步驟1.4.5實現迭代過程，將上一次迭代過程中果蠅群體最后移動到的坐標作為最新的一次迭代過程中的果蠅群體的當前初始位置坐標，判斷最新的一次迭代過程得到的N個果蠅中每個果蠅的當前味道濃度中的最小值是否小于前一次迭代過程得到的N個果蠅中每個果蠅的當前味道濃度中的最小值，若否則執行步驟1.4.7；若是則判斷當前迭代過程的總次數是否達到設定的最大迭代次數，若當前迭代過程的總次數未達到設定的最大迭代次數則進行下一次迭代過程；若當前迭代過程的總次數達到設定的最大迭代次數，則執行步驟1.4.7；

1.4.7將與當前味道濃度最小的果蠅對應的懲罰因子作為優化后的模糊支持向量機的懲罰因子，將與當前味道濃度最小的果蠅對應的核參數作為優化后的模糊支持向量機的核參數，完成對模糊支持向量機的懲罰因子C和核參數g優化，得到優化后的模糊支持向量機；

1.5將優化后的模糊支持向量機對模糊訓練集進行擬合訓練，再對模糊預測集進行預測，實現對臺風期陣風的預測。

2.根據權利要求1所述的一種預測臺風期陣風的方法，其特征在于所述的最大迭代次數為200，N＝20，0≤C≤100，0≤g≤100，θ＝0.001。