[發明專利]一種基于多模態生成對抗的臺風短期預測方法及裝置

有效

• 申請號: 202110339724.9
• 申請日: 2021-03-30
• 公開（公告）號: CN113222210B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 白琮;黃誠;產思賢;丁維龍;張敬林
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊天嬌

1.一種基于多模態生成對抗的臺風短期預測方法，其特征在于，所述基于多模態生成對抗的臺風短期預測方法，包括：

獲取臺風訓練數據集，進行標準化處理，所述臺風訓練數據集包括臺風經緯度數據和臺風強度數據；

將標準化處理后的臺風經緯度數據和臺風強度數據進行多模態融合，得到多模態臺風數據；

將多模態臺風數據輸入到構建好的預測網絡模型中進行訓練，設置輸入的多模態臺風數據序列長度為n，預測的臺風序列長度為m，對于每一個多模態臺風數據序列，訓練過程如下：

步驟F1、將長度為n的多模態臺風數據序列輸入到預測網絡模型中，所述多模態臺風數據序列包括第1至第n個多模態臺風數據，生成第n+1時刻的預測臺風數據，用第n+1時刻的預測臺風數據替換第1個多模態臺風數據，生成新的多模態臺風數據序列再次輸入到預測網絡模型中進行迭代，重復進行迭代直到得到長度為m的預測臺風數據序列；

步驟F2、計算長度為m的預測臺風數據序列的誤差損失，調整預測網絡模型的網絡參數；

步驟F3、采用調整網絡參數后的預測網絡模型，重復步驟F1，得到新的長度為m的預測臺風數據序列；

步驟F4、將長度為n的多模態臺風數據序列和新的長度為m的預測臺風數據序列輸入到構建好的判別模塊中，得到每條臺風數據對應的概率值；

步驟F5、計算新的長度為m的預測臺風數據序列的交叉熵損失，調整預測網絡模型和判別模塊的網絡參數；

在所有臺風訓練數據集進行上述訓練后，保留最優的預測網絡模型作為訓練得到的最終預測網絡模型，采用最終預測網絡模型進行臺風預測；

所述預測網絡模型包括編碼器和解碼器，所述編碼器包括一個全連接層和至少一個LSTM單元，所述解碼器包括一個全連接層、至少一個LSTM單元和另一個全連接層；所述判別模塊包括一個全連接層和至少一個LSTM單元，以及一個分類全連接層。

2.根據權利要求1所述的基于多模態生成對抗的臺風短期預測方法，其特征在于，所述獲取臺風訓練數據集，進行標準化處理，包括：

對臺風訓練數據集中數據分別進行如下操作：

其中，LAT為緯度，LONG為經度，PRES為中心最低氣壓，WND為中心最大風速，xmean和xstd代表了經度的均值和方差，ymean和ystd代表了緯度的均值和方差，vmean和vstd代表了風速的均值和方差，pmean和pstd代表了氣壓的均值和方差，x,y,p,v為標準化后的數據。

3.根據權利要求1所述的基于多模態生成對抗的臺風短期預測方法，其特征在于，所述預測網絡模型中所有全連接層后接Relu激活函數。