[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

本發明提供一種基于TCN網絡模型臺風登陸強度預測方法和系統，預測方法包括如下步驟：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；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；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。本發明所提供的技術方案，能夠解決現有技術中對臺風登陸強度預測不準確的問題。

技術領域

本發明屬于臺風登陸強度預測技術領域，具體涉及一種基于TCN網絡模型臺風登陸強度預測方法和系統。

背景技術

臺風作為一種極端天氣事件，不僅會影響海上活動，而且會給沿海地區人民的生活和城市經濟造成重大損失。因此，臺風研究和預測一直是各個沿海國家關注的重點。

申請公布號為CN109902885A的中國專利申請文件公開了一種基于深度學習混合CNN-LSTM的臺風預測方法，使用歷史熱帶氣旋最佳路徑數據集和全球的大氣海洋變量數據，通過使用3DCNN(三維CNN)提取大氣變量數據的空間特征，用2DCNN(二維CNN)提取海洋變量數據的空間特征，用LSTM提取臺風發生發展過程中的時間序列信息，由此構建出一個混合CNN-LSTM的臺風預測模型，并利用該模型對臺風是否形成以及形成后的路徑和強度進行預測。

上述專利申請文件公開的技術方案是根據臺風發生的環境因子預測臺風形成的可能性以及其形成后的路徑和強度，但是存在預測方法比較復雜，并且不能準確預測臺風的登陸強度。

申請公布號為CN104932035A的中國專利申請文件公開了一種臺風強度預報方法及系統，通過多元線性回歸模型預測臺風的強度，這種預測方法準確性差，并且也不能準確預測臺風的登陸強度。

發明內容

本發明的目的是提供一種基于TCN網絡模型臺風登陸強度預測方法和系統，以解決現有技術中不能準確預測臺風登陸強度的問題。

為實現上述目的，本發明采用如下技術方案：

一種基于TCN網絡模型臺風登陸強度預測方法，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。

進一步的，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。

進一步的，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。

進一步的，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))