一种台风预测报警方法技术

本发明专利技术公开了一种台风预测报警方法，步骤为1、对历史台风数据进行归一化处理；2、对归一化后的数据序列进行分析，分析降雨量、蒸发量和风力影响因素对台风形成以及路径的影响；3、建立模型训练数据集S1；4、建立台风预测模型；5、建立实时误差校正模型训练数据集S2，输入与S1相同，台风预测模型的预测误差作为输出；6、建立台风实时误差校正模型；7、对实时监测的降雨量、蒸发量和风力，利用台风预测模型对实时数据进行预测，利用台风实时误差校正模型进行校正，获得最终的预测值，并输出台风数据对海防监控进行实时调整并在台风来临之前进行报警。本发明专利技术通过深度学习自动提取数据特征的特点对训练数据进行建模，并通过BP神经网络进行实时校正，以提高模型预测的准确率。

A forecast and alarm method of Typhoon

【技术实现步骤摘要】
一种台风预测报警方法
本专利技术属于海洋预测
，特别涉及一种台风预测报警方法。
技术介绍
我国国土辽阔，大部分靠海，海域辽阔，并且在海洋上以及周边城市生活和工作的人员众多，台风屡屡侵袭，对我国经济发展、社会的进步带来了阻碍，因此开展台风预报研究十分重要。传统上大多使用基于物理过程的概念性台风模型描述台风过程，这类方法较为成熟，能够达到较好的预测效果。但是这些模型复杂，针对不同地区模型适应性较差，模型参数率定难度较大。因此基于数据驱动的台风过程预测方法日益得到发展。近年来，我国已经建立了较为完善的信息监测网络，采集了大量的台风相关数据，这些数据中蕴含了台风过程的内在规律，如何利用数据挖掘技术建立的基于数据驱动的预测模型，提高水文过程预测的准确率，是一个重要的研究方向。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种通过深度学习自动提取数据特征的特点对训练数据进行建模，并通过BP神经网络进行实时校正，以提高模型预测的准确率的台风预测报警方法。技术方案：为实现上述目的，本专利技术提供一种台风预测报警方法，包括如下步骤：(1)对历史台风数据进行归一化处理；(2)对归一化后的数据序列进行分析，分析降雨量、蒸发量和风力影响因素对台风形成以及路径的影响；(3)利用滑动窗口从历史场次台风数据中建立预测模型的输入和输出值，建立模型训练数据集S1；(4)建立基于深度学习的台风预测模型，利用步骤(3)中得出的训练数据集S1训练预测模型得到模型参数，建立台风预测模型；(5)建立实时误差校正模型训练数据集S2，输入与S1相同，台风预测模型的预测误差作为输出；(6)建立基于BP神经网络的误差校正模型，利用S2训练校正模型，获得模型参数，建立台风实时误差校正模型；(7)台风实时误差校正模型是指适应具体海洋环境的BP校正模型，该模型中的参数体现了当前海域的特征；(8)对实时监测的降雨量、蒸发量和风力，利用台风预测模型对实时数据进行预测，利用台风实时误差校正模型进行校正，获得最终的预测值，并输出台风数据对海防监控进行实时调整并在台风来临之前进行报警。进一步的，所述步骤(1)中对历史台风数据进行归一化处理的具体步骤如下：采用离差标准化将台风过程预测涉及到的包括时间、路径、中心地带、风力、波及力、破坏力、降雨量、蒸发量数据进行线性变化，通过转化公式将原始值映射到[0,1]之间；转化公式如下：其中x*为转换后的值，x为原始值，xmin＝min(x)，xmax＝max(x)；经过min-max标准化后，原始值被规约到[0,1]之间；其中，max(x)取x对应指标的历史最大值，min(x)取x对应指标的历史最小值。进一步的，所述步骤(2)中分析降雨量、蒸发量和风力影响因素对台风形成以及路径的影响的具体步骤如下：对归一化后的台风过程数据序列采用皮尔逊相关系数分析输出量即海域出口流量与不同时间范围的各输入量、海域内各雨量站的降雨量和蒸发站的蒸发量的相关性，确定输入量对输出量影响的时间范围，各输入量的影响范围的最大值作为整体输入量对输出量影响的时间范围。进一步的，根据权利要求1所述的一种台风预测报警方法，其特征在于，所述步骤(3)中建立模型训练数据集S1的具体步骤如下：利用步骤(2)中得到的时间范围作为滑动窗口的宽度，按照步长为1提取历史台风过程数据作为输入，对应输出为预测预见期为宽度的输出序列；具体的输入量对输出量影响的最大时间范围为w，即表示某个输入量的t0时刻监测值，从t1到tw时间内，逐渐影响输出量，并最终影响消失；上式表示预测模型的输入为I的矩阵，有m+1个输入量，包括预测量自身；输出为O的向量，预见期为n。进一步的，所述步骤(4)中建立基于深度学习的台风预测模型，采用卷积神经网络构建，其中台风预测模型包括卷积层、池化层和激活函数。进一步的，所述步骤(7)中训练校正模型，具体步骤如下：建立BP神经网络校正模型，利用S2训练校正模型，通过BP神经网络建立输入数据和输出误差之间的非线性关系，获得模型参数。有益效果：本专利技术与现有技术相比具有以下优点：本专利技术提出的基于卷积神经网络和实时校正的台风过程预测方法，从监测的降雨量、蒸发量和风力影响因素等中利用数据挖掘发现数据之间的关系，相对传统的基于物理过程的预测过程来说，参数较少，同时更加容易设置相关参数。同时，在预测模型的基础上，通过结合组合校正模型，对预测值进行实时调整，提高了预测的准确率，提高了峰现时间和峰值预报准确率。附图说明图1是本专利技术的流程图；图2是实施例中不同的时间差中di与q之间的关系图。具体实施方式下面结合附图对本专利技术作更进一步的说明。如图1所示，本专利技术一种台风预测报警方法，包括如下步骤：(1)对历史台风数据进行归一化处理；采用离差标准化将台风过程预测涉及到的包括时间、路径、中心地带、风力、波及力、破坏力、降雨量、蒸发量数据进行线性变化，通过转化公式将原始值映射到[0,1]之间；转化公式如下：其中x*为转换后的值，x为原始值，xmin＝min(x)，xmax＝max(x)；经过min-max标准化后，原始值被规约到[0,1]之间；其中，max(x)取x对应指标的历史最大值，min(x)取x对应指标的历史最小值。(2)对归一化后的数据序列进行分析，分析降雨量、蒸发量和风力影响因素对台风形成以及路径的影响；对归一化后的台风过程数据序列采用皮尔逊相关系数分析输出量即海域出口流量与不同时间范围的各输入量、海域内各雨量站的降雨量和蒸发站的蒸发量的相关性，确定输入量对输出量影响的时间范围，各输入量的影响范围的最大值作为整体输入量对输出量影响的时间范围。(3)利用滑动窗口从历史场次台风数据中建立预测模型的输入和输出值，建立模型训练数据集S1；、利用步骤(2)中得到的时间范围作为滑动窗口的宽度，按照步长为1提取历史台风过程数据作为输入，对应输出为预测预见期为宽度的输出序列；具体的输入量对输出量影响的最大时间范围为w，即表示某个输入量的t0时刻监测值，从t1到tw时间内，逐渐影响输出量，并最终影响消失；上式表示预测模型的输入为I的矩阵，有m+1个输入量，包括预测量自身；输出为O的向量，预见期为n。(4)建立基于深度学习的台风预测模型，利用步骤(3)中得出的训练数据集S1训练预测模型得到模型参数，建立台风预测模型；(5)建立实时误差校正模型训练数据集S2，输入与S1相同，台风预测模型的预测误差作为输出；(6)建立基于BP神经网络的误差校正模型，利用S2训练校正模型，获得模型参数，建立台风实时误差校正模型；(7)台风实时误差校正模型是指适应具体海洋环境的BP校正模型，该模型中的参数体现了当前海域的特征；建立BP神经网络校正模型，利用S2训本文档来自技高网...

【技术保护点】
1.一种台风预测报警方法，其特征在于，包括如下步骤：/n(1)对历史台风数据进行归一化处理；/n(2)对归一化后的数据序列进行分析，分析降雨量、蒸发量和风力影响因素对台风形成以及路径的影响；/n(3)利用滑动窗口从历史场次台风数据中建立预测模型的输入和输出值，建立模型训练数据集S1；/n(4)建立基于深度学习的台风预测模型，利用步骤(3)中得出的训练数据集S1训练预测模型得到模型参数，建立台风预测模型；/n(5)建立实时误差校正模型训练数据集S2，输入与S1相同，台风预测模型的预测误差作为输出；/n(6)建立基于BP神经网络的误差校正模型，利用S2训练校正模型，获得模型参数，建立台风实时误差校正模型；/n(7)台风实时误差校正模型是指适应具体海洋环境的BP校正模型，该模型中的参数体现了当前海域的特征；/n(8)对实时监测的降雨量、蒸发量和风力，利用台风预测模型对实时数据进行预测，利用台风实时误差校正模型进行校正，获得最终的预测值，并输出台风数据对海防监控进行实时调整并在台风来临之前进行报警。/n

【技术特征摘要】
1.一种台风预测报警方法，其特征在于，包括如下步骤：
(1)对历史台风数据进行归一化处理；
(2)对归一化后的数据序列进行分析，分析降雨量、蒸发量和风力影响因素对台风形成以及路径的影响；
(3)利用滑动窗口从历史场次台风数据中建立预测模型的输入和输出值，建立模型训练数据集S1；
(4)建立基于深度学习的台风预测模型，利用步骤(3)中得出的训练数据集S1训练预测模型得到模型参数，建立台风预测模型；
(5)建立实时误差校正模型训练数据集S2，输入与S1相同，台风预测模型的预测误差作为输出；
(6)建立基于BP神经网络的误差校正模型，利用S2训练校正模型，获得模型参数，建立台风实时误差校正模型；
(7)台风实时误差校正模型是指适应具体海洋环境的BP校正模型，该模型中的参数体现了当前海域的特征；
(8)对实时监测的降雨量、蒸发量和风力，利用台风预测模型对实时数据进行预测，利用台风实时误差校正模型进行校正，获得最终的预测值，并输出台风数据对海防监控进行实时调整并在台风来临之前进行报警。


2.根据权利要求1所述的一种台风预测报警方法，其特征在于，所述步骤(1)中对历史台风数据进行归一化处理的具体步骤如下：
采用离差标准化将台风过程预测涉及到的包括时间、路径、中心地带、风力、波及力、破坏力、降雨量、蒸发量数据进行线性变化，通过转化公式将原始值映射到[0,1]之间；转化公式如下：



其中x*为转换后的值，x为原始值，xmin＝min(x)，xmax＝max(x)；经过min-max标准化后，原始值被规约到[0,1]之间；其中，max(x)取x对应...

【专利技术属性】
技术研发人员：刘健华，
申请(专利权)人：刘健华，
类型：发明
国别省市：山东;37