[發明專利]一種基于TCN網絡模型臺風登陸強度預測方法和系統

在審

• 申請號: 202010732785.7
• 申請日: 2020-07-27
• 公開（公告）號: CN111722306A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 劉霞;焦建鋒;黃紅偉;魏偉
• 申請（專利權）人: 鄭州航空工業管理學院
• 主分類號: G01W1/10
• 分類號: G01W1/10;G06N3/04;G06N3/08
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 朱亞飛

1.一種基于TCN網絡模型臺風登陸強度預測方法，其特征在于，包括如下步驟：

(1)獲取臺風發生的歷史數據，包括臺風中心與登陸地點之間相距設定距離時的臺風因子和臺風登陸時的強度；

(2)建立TCN網絡模型，采用所述歷史數據對所建立的TCN網絡模型進行訓練，得到訓練后的TCN網絡模型；

(3)獲取臺風運行的路徑，并在臺風中心與登陸地點之間相距設定距離時獲取其臺風因子，結合所述訓練后的TCN網絡模型，得到其登陸時的強度。

2.根據權利要求1所述的基于TCN網絡模型臺風登陸強度預測方法，其特征在于，所述步驟(3)中獲取臺風運行路徑的方法為：獲取歷史數據中各次臺風的運行軌跡；將當前臺風的運行軌跡與歷史數據中各次臺風的運行軌跡進行匹配，得到與其相似度最高的臺風運行軌跡，并將該臺風運行軌跡作為當前臺風的運行軌跡。

3.根據權利要求2所述的基于TCN網絡模型臺風登陸強度預測方法，其特征在于，判斷兩段臺風運動的軌跡相似度的方法為：將臺風運行軌跡的經緯度坐標轉換為通用橫軸墨卡托投影坐標系；計算兩段運行軌跡中每點之間的空間距離；計算兩段運行軌跡中每點之間的預測距離；計算兩段運行軌跡中每段間距離；計算兩段運行軌跡的累積距離；將得到的累積距離進行歸一化處理，累積距離越大，則兩段運行軌跡的相似度越高。

4.根據權利要求1所述的基于TCN網絡模型臺風登陸強度預測方法，其特征在于，所述步驟(2)中的卷積神經網絡模型為

TCN網絡模型的輸出為

o＝RELU(z+F(z))

其中d為擴張因子，取值為d＝{1,2,…,2n}，n為TCN網絡模型中隱藏層層數；k為濾波器的數量，f(i)為第i個濾波器，F(z)為膨脹因果卷積后的結果,z_i為第i個臺風因子z為膨脹因果卷積的輸入，F(z)為膨脹因果卷積后的結果。

5.根據權利要求1所述的基于TCN網絡模型臺風登陸強度預測方法，其特征在于，所述臺風因子包括臺風的徑向風強度、緯向風強度、位勢高度和相對濕度。

6.一種基于TCN網絡模型臺風登陸強度預測系統，包括處理器和存儲器，所述存儲器上存儲有用于在所述處理器上執行的計算機程序；其特征在于，所述處理器執行所述計算出程序時，實現如下所述的臺風強度預測方法：

(1)獲取臺風發生的歷史數據，包括臺風中心與登陸地點之間相距設定距離時的臺風因子和臺風登陸時的強度；

(2)建立TCN網絡模型，采用所述歷史數據對所建立的TCN網絡模型進行訓練，得到訓練后的TCN網絡模型；

(3)獲取臺風運行的路徑，并在臺風中心與登陸地點之間相距設定距離時獲取其臺風因子，結合所述訓練后的TCN網絡模型，得到其登陸時的強度。

7.根據權利要求6所述的基于TCN網絡模型臺風登陸強度預測系統，其特征在于，所述步驟(3)中獲取臺風運行路徑的方法為：獲取歷史數據中各次臺風的運行軌跡；將當前臺風的運行軌跡與歷史數據中各次臺風的運行軌跡進行匹配，得到與其相似度最高的臺風運行軌跡，并將該臺風運行軌跡作為當前臺風的運行軌跡。

8.根據權利要求7所述的基于TCN網絡模型臺風登陸強度預測系統，其特征在于，判斷兩段臺風運動的軌跡相似度的方法為：將臺風運行軌跡的經緯度坐標轉換為通用橫軸墨卡托投影坐標系；計算兩段運行軌跡中每點之間的空間距離；計算兩段運行軌跡中每點之間的預測距離；計算兩段運行軌跡中每段間距離；計算兩段運行軌跡的累積距離；將得到的累積距離進行歸一化處理，累積距離越大，則兩段運行軌跡的相似度越高。