[發明專利]基于卷積神經網絡模型的大西洋颶風強度估算方法

有效

• 申請號: 202110942251.1
• 申請日: 2021-08-17
• 公開（公告）號: CN113642475B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 胡天慧;余暉;束炯;魯小琴
• 申請（專利權）人: 中國氣象局上海臺風研究所（上海市氣象科學研究所）;華東師范大學
• 主分類號: G06V20/50
• 分類號: G06V20/50;G06V10/82;G06V10/774;G06V10/776;G06N3/0464;G06N3/082;G06N3/048
• 代理公司: 上海藍迪專利商標事務所(普通合伙) 31215
• 代理人: 徐筱梅;張翔

本發明公開了一種基于卷積神經網絡模型的大西洋颶風強度估算方法，該方法是利用深度學習技術對大量靜止衛星紅外云圖數據進行分析學習，從熱帶氣旋云系圖像中自動提取與其強度相關的復雜特征，進而進行強度估算。本發明建立的模型是將114×114大小的圖像作為最佳輸入，4層卷積層和2層池化層進行組合，后與3層全連接相連，其中，前三層卷積層的卷積核大小為7×7，第四層卷積層的卷積核大小為3×3，卷積層與全連接層前后引入Dropout項，最后將估算的強度進行18?h的時間平滑，以此得到最終估算的颶風強度。本發明直接從圖像中提取與熱帶氣旋強度相關的云系特征，比人為定義的特征因子更加全面，定強效果更佳，具有實時性和全自動性。

技術領域

本發明涉及熱帶氣旋強度估算(定強)領域，是利用深度學習技術對大量衛星紅外云圖數據進行分析學習，從熱帶氣旋云系圖像中自動提取與其強度相關的復雜特征，進而進行強度估算。對構建的模型進行訓練后，能夠直接使用訓練好的模型，并能有效地提高對熱帶氣旋強度估算的精度。

背景技術

熱帶氣旋是全球范圍內發生頻率最高、波及范圍最廣并且危害最大的自然災害之一。熱帶氣旋帶來的大風、降水和風暴潮是其致災的重要因素，災害的嚴重程度也與其位置、強度、結構等信息密切相關，因此，及時把握這些信息對災害防御管理工作具有重要意義。

熱帶氣旋的絕大部分時間都位于海洋上，常規氣象觀測站通常無法覆蓋，而遙感衛星能夠實現全天候大范圍的對地觀測，其觀測數據是研究熱帶氣旋生成發展以及消亡的主要資料。國內外已有許多采用衛星遙感觀測資料對熱帶氣旋強度進行估算的方法研究。其中發展歷史最悠久并在全球得到廣泛應用的方法是Dvorak技術。Dvorak技術最初是利用可見光紅外云圖結合實際預報經驗總結出的熱帶氣旋強度指數與其云系特征變化之間的關系，其主要缺陷在于主觀性太強，業務應用中不同分析員對同一熱帶氣旋相同時次的強度估計會出現分歧。經過四十多年的發展，該方法在不斷向自動化和客觀化方向改進。非靜止衛星的微波通道可以穿透熱帶氣旋中高層的非強降水云，探測到熱帶氣旋內部信息，從而反映熱帶氣旋強度，但受限于非靜止衛星的時空分辨率，基于微波資料的熱帶氣旋定強效果不如基于紅外資料的熱帶氣旋定強結果。隨著人工智能的發展，深度學習的各類方法在解決非線性問題、圖像識別等方面顯示出了較強的能力，但目前這些方法在颶風強度估算上的應用研究仍然較少。此外，當前制約颶風強度估算精度的主要原因是缺乏真實的觀測資料，而在大西洋有豐富的飛機觀測資料可以用于檢驗。

現有技術中，利用深度學習技術對圖像進行自動特征提取，基于這些特征進行熱帶氣旋強度估算的效果優于采用人為定義的熱帶氣旋云系特征因子的定強效果。在深度學習系列方法中，采用多種數據(如紅外通道數據、微波數據等)進行定強的效果比采用單通道數據的效果更佳，但不同數據的獲取存在時間和空間的差異，不利于進行實時定強。同時，建立的深度學習模型并未詳細體現建模的參數選擇。此外，目前制約熱帶氣旋定強效果的主要原因是缺乏真實的觀測資料，多數方法僅與最佳路徑資料(非真實觀測)進行對比，而本發明將同時運用飛機觀測資料(真實觀測)進行檢驗。

發明內容

本發明的目的是針對所需要解決的技術問題而提供的一種基于卷積神經網絡模型的大西洋颶風(熱帶氣旋)強度估算方法，該方法直接從圖像中提取與熱帶氣旋強度相關的云系特征，比人為定義的特征因子更加全面，定強效果更佳。

為了解決上述技術問題，本發明的具體技術方案是：

一種基于卷積神經網絡模型的大西洋颶風強度估算方法，僅需輸入云圖數據即可自動提取與颶風強度相關的特征因子，從而進行強度估算，該方法包括以下具體步驟：

步驟1：獲取近四十年與國家颶風中心最佳路徑時次相匹配的紅外亮溫云圖，剔除缺測過三分之一的圖像，對缺測的圖像采用附近值進行填充；最終選擇35年的颶風云圖進行訓練，其中訓練樣本中按照7:3的比例劃分訓練集和驗證集，此外，另將剩余年份的颶風云圖作為測試集進行獨立檢驗；

步驟2：對每幅紅外亮溫云圖進行數據標準化，其中標準化的公式如下：