[發明專利]臺風快速增強趨勢的判別方法、電子設備以及可存儲介質

在審

• 申請號: 202111663024.1
• 申請日: 2021-12-30
• 公開（公告）號: CN115393702A
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 周冠博;許建;錢奇峰;徐雅靜;劉春霞;張玲;柳龍生;王皘;劉達
• 申請（專利權）人: 國家氣象中心;北京郵電大學;中國氣象局廣州熱帶海洋氣象研究所
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06Q50/26;G06V10/75;G06V10/774;G06V10/764
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

本申請提供一種臺風快速增強趨勢的判別方法、電子設備以及可存儲介質，屬于計算機視覺的技術領域。所述方法包括：對獲取的待測臺風的遙感圖像序列與對應的強度序列進行預處理，得到待測臺風的待測數據序列；計算待測臺風的生命周期標識；將待測數據序列與待測臺風的生命周期標識輸入快速增強趨勢判別模型，得到待測臺風快速增強的置信度，將待測臺風快速增強的置信度與快速增強判別閾值比較，在待測臺風快速增強的置信度大于快速增強判別閾值時，確定待測臺風具有快速增強的趨勢。本申請旨在能夠更精確地預測和判別臺風快速增強的趨勢。

技術領域

本申請實施例涉及計算機視覺領域，具體而言，涉及一種臺風快速增強趨勢的判別方法、電子設備以及可存儲介質。

背景技術

熱帶氣旋，即臺風是地球上最具破壞性的天氣系統之一，對臺風軌跡以及強度的預測備受關注，過去半個世紀以來，對于臺風軌跡和強度的預報都有了顯著改進，但對于臺風快速增強(RI)的預測依然具有挑戰性，以往關于臺風快速增強預測的研究側重于利用預測變量作為特征，如統計臺風強度預報SHIPS系列，或者通過分析熱帶氣旋的氣候特征和時空特征，如季節、月份、經緯度、氣壓變化、月平均水溫場等，氣象學家利用統計學將發現的一些規律作為判別熱帶氣旋是否會快速增強的重要依據。

然而依賴于預測變量研究缺乏對更好地利用原始數據的新技術的探索，發現的一些規律也只能作為輔助手段，很難快速實時準確的預測臺風是否快速增強。

發明內容

本申請實施例提供一種臺風快速增強趨勢的判別方法、電子設備以及可存儲介質，旨在能夠更精確地預測和判別臺風快速增強的趨勢。

第一方面，本申請實施例提供一種面向遙感云圖序列的臺風快速增強趨勢的判別方法，所述方法包括：

對獲取的待測臺風的遙感圖像序列與對應的強度序列進行預處理，得到待測臺風的待測數據序列；

計算所述待測臺風的生命周期標識；

將預處理得到的所述待測數據序列與所述待測臺風的生命周期標識作為輸入，通過快速增強趨勢判別模型進行識別，得到所述待測臺風快速增強的置信度，其中，快速增強趨勢判別模型是基于多個樣本臺風各自的遙感圖像序列、各自對應的強度序列、快速增強標識以及生命周期標識組成的樣本訓練集，以及運用重采樣和重加權結合的方法訓練得到的；

將所述待測臺風快速增強的置信度與快速增強判別閾值比較，在所述待測臺風快速增強的置信度大于所述快速增強判別閾值時，確定所述待測臺風具有快速增強的趨勢。

可選地，快速增強趨勢判別模型包括順次相連的多個模塊：CNN模型、 LSTM時序模型、分類器；所述快速增強趨勢判別模型的訓練過程為以下步驟：

基于多個樣本臺風各自的遙感圖像序列以及各自對應的強度序列，對 CNN模型進行預訓練，得到預訓練完畢的第一特征提取模塊，預訓練完畢的第一特征提取模塊用于提取臺風的單一遙感圖像的視覺空間特征；

基于多個樣本臺風各自的遙感圖像序列、各自對應的強度序列，以及預訓練完畢的CNN模塊的對多個樣本臺風各自的遙感圖像序列以及各自對應的強度序列的處理結果，對快速增強趨勢判別模型進行訓練，得到訓練完畢的第二特征提取模塊，所述第二特征模塊包括CNN模型和LSTM時序模型，訓練完畢的第二特征提取模塊用于提取臺風視覺形態變化和強度變化的時空關聯特征；

凍結已訓練好的LSTM時序模型及CNN模型的模型參數，重復采用多個樣本臺風各自的遙感圖像序列、各自對應的強度序列、快速增強標識以及生命周期標識，通過重采樣和重加權結合的方法對快速增強趨勢判別模型的分類器進行再訓練，得到的訓練完畢的分類器用于預測臺風快速增強的置信度。

可選地，在對CNN模型進行預訓練之前，還包括：

對所述樣本臺風各自的遙感圖像序列進行處理，得到目標格式的圖像序列；