[發(fā)明專利]一種臺風(fēng)預(yù)報預(yù)測方法和裝置

在審

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

本發(fā)明公開一種臺風(fēng)預(yù)報預(yù)測方法和裝置，包括：確定待反演時刻臺風(fēng)中心的地理坐標(biāo)信息，獲取待反演時刻衛(wèi)星的云圖；讀取衛(wèi)星云圖中的地理坐標(biāo)信息以及預(yù)設(shè)的若干個波段的亮溫數(shù)據(jù)；確定臺風(fēng)中心位置在衛(wèi)星云圖中的坐標(biāo)點，并以該坐標(biāo)點為中心，構(gòu)建基于波段亮溫數(shù)據(jù)的三維矩陣；載入訓(xùn)練好的基于focal_loss損失函數(shù)的8個二分類CNN模型；步驟5、將三維矩陣數(shù)據(jù)輸入8個二分類CNN模型中，得到并輸出相應(yīng)的數(shù)值，其中最大數(shù)值對應(yīng)的臺風(fēng)等級即為該時刻臺風(fēng)的強度類別；根據(jù)所得數(shù)值計算得該時刻臺風(fēng)的最大風(fēng)速。采用本發(fā)明的技術(shù)方案，更有效的進(jìn)行臺風(fēng)的預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明屬于天氣預(yù)報技術(shù)領(lǐng)域，尤其涉及一種臺風(fēng)預(yù)報預(yù)測方法和裝置。

背景技術(shù)

臺風(fēng)作為每年頻發(fā)的一種嚴(yán)重的自然災(zāi)害，對我國國民生產(chǎn)、生活造成嚴(yán)重影響。而對于臺風(fēng)的預(yù)測與模擬作為臺風(fēng)災(zāi)害評估的重要環(huán)節(jié)，是防災(zāi)減災(zāi)工作的決策基礎(chǔ)。

現(xiàn)有臺風(fēng)云系預(yù)測方法大多是基于數(shù)值模式。這些方法僅使用了有限數(shù)量的數(shù)據(jù)信息進(jìn)行臺風(fēng)云系預(yù)測模式的同化，沒有充分利用臺風(fēng)的全空間信息。因此，這些方法無法對臺風(fēng)的時變態(tài)勢全面刻畫，只能傾向性的預(yù)測臺風(fēng)的等級和臺風(fēng)的影響。

衛(wèi)星云圖是監(jiān)測臺風(fēng)的有效工具。基于衛(wèi)星云圖的臺風(fēng)分析研究早在90年代就已展開。衛(wèi)星云圖分析包括復(fù)雜背景下的云團(tuán)檢測、云團(tuán)分類、分割、氣旋運動跟蹤等。但是，這些方法只利用了局部視覺信息而沒有利用全局視覺信息以及時空信息。因此，目前亟需一種能夠有效利用衛(wèi)星云圖中的時空信息的預(yù)測方法，演判臺風(fēng)動向，進(jìn)而更有效地進(jìn)行臺風(fēng)監(jiān)測。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是，提供一種臺風(fēng)預(yù)報預(yù)測方法和裝置，利用衛(wèi)星云圖的時空信息預(yù)測臺風(fēng)云系的形成，演判臺風(fēng)的動向，進(jìn)而更有效的進(jìn)行臺風(fēng)的預(yù)測。

為實現(xiàn)上述目的，本發(fā)明采用如下的技術(shù)方案：

一種臺風(fēng)預(yù)報預(yù)測方法，包括以下步驟：

步驟1、確定待反演時刻臺風(fēng)中心的地理坐標(biāo)信息，獲取待反演時刻衛(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)的若干個波段的亮溫數(shù)據(jù)；

步驟3、確定臺風(fēng)中心位置在衛(wèi)星云圖中的坐標(biāo)點，并以該坐標(biāo)點為中心，構(gòu)建基于波段亮溫數(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個二分類CNN模型，其中，每個二分類CNN模型分別對應(yīng)不同的臺風(fēng)等級；

步驟5、將三維矩陣數(shù)據(jù)輸入8個二分類CNN模型中，得到并輸出相應(yīng)的數(shù)值，其中最大數(shù)值對應(yīng)的臺風(fēng)等級即為該時刻臺風(fēng)的強度類別；根據(jù)上述所得數(shù)值計算得該時刻臺風(fēng)的最大風(fēng)速。

作為優(yōu)選，步驟3)中以坐標(biāo)點為中心，向上下左右各延伸n個網(wǎng)格點，從若干個波段中截取波段數(shù)量個2n+1×2n+1的二維矩陣，并按照波段序號由高到低順序重新組合為三維矩陣。

作為優(yōu)選，步驟4)的具體步驟為：

41)、將臺風(fēng)按照風(fēng)速分為8類；

42)、收集待反演時刻衛(wèi)星的臺風(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、驗證組和測試組，并構(gòu)建CNN模型；

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

44)、采用訓(xùn)練組數(shù)據(jù)訓(xùn)練并針對每一個分類訓(xùn)練一個二分類模型；驗證組數(shù)據(jù)用來在模型訓(xùn)練過程中防止模型過擬合；測試組用來進(jìn)行模型性能的最終評判。

作為優(yōu)選，步驟5中最大風(fēng)速的計算公式為

W＝U1×P1+U2×P2