[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

本發明公開了一種基于多模態生成對抗的臺風短期預測方法及裝置，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，采用最終預測網絡模型進行臺風預測。本發明構建了預測網絡模型和判別模塊，能夠訓練出有效的預測網絡模型，準確進行臺風預測。所訓練的預測網絡模型，能夠同時預測臺風的軌跡和強度。

技術領域

本發明屬于氣象災害預報領域，尤其涉及一種基于多模態生成對抗的臺風短期預測方法及裝置。

背景技術

臺風為一種復雜的天氣系統，它通常在溫暖的海洋上生成以及發展，它的軌跡和強度的變化受到海洋表面溫度、大氣環流和大氣層的影響。在海洋上，其表面的水分會蒸發變成水蒸氣。水蒸氣上升遇冷，凝結，并放出大量的能量，這就是臺風能量的主要來源。隨著大量水蒸氣釋放能量，臺風的強度也不斷變強，并伴隨著大風、暴風潮、大雨等氣象現象。當臺風登陸沿海地區時，會造成更嚴重的大量的人員傷亡和財產損失。另外，隨著全球氣候變暖，強臺風發生的概率也有所提高。因此，建立一個臺風預報系統去應對臺風災害是非常有必要的。

目前氣象機構的臺風預測主要方法有：動力學模型、統計學模型、集合模型。但是這些方法需要大量的氣象數據，并且這些氣象數據較難獲取。這些方法也需要大量的計算資源和計算時間，這不利于臺風的實時預測。

發明內容

本申請提出的一種基于多模態生成對抗的臺風短期預測方法及裝置，克服了現有技術臺風預測所需資源巨大的問題，本申請提供了一個簡單且有效的預測方法，預測所需要的數據僅為經緯度和臺風風速和氣壓數據。

為了實現上述目的，本申請技術方案如下：

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，輸出預測臺風數據，采用預測臺風數據替換多模態臺風數據序列中最早的一個多模態臺風數據，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。

進一步的，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。

進一步的，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：