[發(fā)明專(zhuān)利]一種臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111324666.9
• 申請(qǐng)日: 2021-11-10
• 公開(kāi)（公告）號(hào): CN114091741A
• 公開(kāi)（公告）日: 2022-02-25
• 發(fā)明（設(shè)計(jì)）人: 朱新國(guó);何杰穎;張育斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 朱新國(guó)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G01W1/10
• 代理公司: 北京東方盛凡知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11562
• 代理人: 李娜

1.一種臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1、確定待反演時(shí)刻臺(tái)風(fēng)中心的地理坐標(biāo)信息，獲取待反演時(shí)刻衛(wèi)星的云圖；

步驟2、讀取衛(wèi)星云圖中的地理坐標(biāo)信息以及預(yù)設(shè)的若干個(gè)波段的亮溫?cái)?shù)據(jù)；

步驟3、確定臺(tái)風(fēng)中心位置在衛(wèi)星云圖中的坐標(biāo)點(diǎn)，并以該坐標(biāo)點(diǎn)為中心，構(gòu)建基于波段亮溫?cái)?shù)據(jù)的三維矩陣；

步驟4、載入訓(xùn)練好的基于focal_loss損失函數(shù)的8個(gè)二分類(lèi)CNN模型，其中，每個(gè)二分類(lèi)CNN模型分別對(duì)應(yīng)不同的臺(tái)風(fēng)等級(jí)；

步驟5、將三維矩陣數(shù)據(jù)輸入8個(gè)二分類(lèi)CNN模型中，得到并輸出相應(yīng)的數(shù)值，其中最大數(shù)值對(duì)應(yīng)的臺(tái)風(fēng)等級(jí)即為該時(shí)刻臺(tái)風(fēng)的強(qiáng)度類(lèi)別；根據(jù)上述所得數(shù)值計(jì)算得該時(shí)刻臺(tái)風(fēng)的最大風(fēng)速。

2.如權(quán)利要求1所述的臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，步驟3中以坐標(biāo)點(diǎn)為中心，向上下左右各延伸n個(gè)網(wǎng)格點(diǎn)，從若干個(gè)波段中截取波段數(shù)量個(gè)2n+1×2n+1的二維矩陣，并按照波段序號(hào)由高到低順序重新組合為三維矩陣。

3.如權(quán)利要求1所述的臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，步驟4的具體步驟為：

41)、將臺(tái)風(fēng)按照風(fēng)速分為8類(lèi)；

42)、收集待反演時(shí)刻衛(wèi)星的臺(tái)風(fēng)衛(wèi)星云圖，將衛(wèi)星云圖構(gòu)建數(shù)據(jù)集，分為訓(xùn)練組、驗(yàn)證組和測(cè)試組，并構(gòu)建CNN模型；

43)、使用focal_loss損失函數(shù)計(jì)算CNN模型內(nèi)部梯度函數(shù)；

44)、采用訓(xùn)練組數(shù)據(jù)訓(xùn)練并針對(duì)每一個(gè)分類(lèi)訓(xùn)練一個(gè)二分類(lèi)模型；驗(yàn)證組數(shù)據(jù)用來(lái)在模型訓(xùn)練過(guò)程中防止模型過(guò)擬合；測(cè)試組用來(lái)進(jìn)行模型性能的最終評(píng)判。

4.如權(quán)利要求1所述的臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，步驟5中最大風(fēng)速的計(jì)算公式為

W＝U1×P1+U2×P2

其中，W是該時(shí)刻臺(tái)風(fēng)的最大風(fēng)速，P1和P2是所得數(shù)值中最大的兩個(gè)，U1和U2是兩個(gè)最大數(shù)值對(duì)應(yīng)分類(lèi)速度區(qū)間的中間值。

5.如權(quán)利要求3所述的臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，步驟42)的構(gòu)建數(shù)據(jù)集：取2n張臺(tái)風(fēng)衛(wèi)星云圖，從每張臺(tái)風(fēng)衛(wèi)星云圖隨機(jī)提取多個(gè)圖像塊，組成圖像塊序列，以第1至第n張臺(tái)風(fēng)衛(wèi)星云圖圖像塊序列作為歷史數(shù)據(jù)，以n+1張至第2n張臺(tái)風(fēng)衛(wèi)星云圖圖像塊序列作為未來(lái)數(shù)據(jù)，構(gòu)造訓(xùn)練數(shù)據(jù)集。

6.如權(quán)利要求5所述的臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，風(fēng)衛(wèi)星云圖隨機(jī)提取圖像塊序列的方法為：以各張衛(wèi)星云圖上同一坐標(biāo)位置為中心，以固定像素大小為單位長(zhǎng)度，取正方形圖像塊。

7.如權(quán)利要求5所述的臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)方法，其特征在于，從每張臺(tái)風(fēng)衛(wèi)星云圖隨機(jī)提取圖像塊序列的方法進(jìn)一步為：以各張衛(wèi)星云圖上同一坐標(biāo)位置為中心，以固定像素大小為單位長(zhǎng)度，取正方形圖像塊組。

8.一種臺(tái)風(fēng)預(yù)報(bào)預(yù)測(cè)裝置，其特征在于，包括：

獲取模塊，用于確定待反演時(shí)刻臺(tái)風(fēng)中心的地理坐標(biāo)信息，獲取待反演時(shí)刻衛(wèi)星的云圖；

讀取模塊，用于讀取衛(wèi)星云圖中的地理坐標(biāo)信息以及預(yù)設(shè)的若干個(gè)波段的亮溫?cái)?shù)據(jù)；

構(gòu)建模塊，用于確定臺(tái)風(fēng)中心位置在衛(wèi)星云圖中的坐標(biāo)點(diǎn)，并以該坐標(biāo)點(diǎn)為中心，構(gòu)建基于波段亮溫?cái)?shù)據(jù)的三維矩陣；

載入模塊，用于載入訓(xùn)練好的基于focal_loss損失函數(shù)的8個(gè)二分類(lèi)CNN模型，其中，每個(gè)二分類(lèi)CNN模型分別對(duì)應(yīng)不同的臺(tái)風(fēng)等級(jí)；

預(yù)報(bào)模塊，用于將三維矩陣數(shù)據(jù)輸入8個(gè)二分類(lèi)CNN模型中，得到并輸出相應(yīng)的數(shù)值，其中最大數(shù)值對(duì)應(yīng)的臺(tái)風(fēng)等級(jí)即為該時(shí)刻臺(tái)風(fēng)的強(qiáng)度類(lèi)別；根據(jù)上述所得數(shù)值計(jì)算得該時(shí)刻臺(tái)風(fēng)的最大風(fēng)速。