一种基于深层神经网络的台风路径预报方法技术

本发明专利技术公开了一种基于深层神经网络的台风路径预报方法，包括：S1、确定要预报的时刻，并获取m个预报机构的台风路径预报结果；S2、将步骤S1中获取的m个预报机构的台风路径预报结果按预报机构顺序排列成2个m×1大小的矩阵；S3、将步骤S2中的矩阵分别输入台风路径预报模型，得到台风路径预报结果。本发明专利技术构建的DNN台风路径预报模型，不需要占用庞大的计算机资源，耗时极短，计算效率高。与传统的集合预报方法相比，该方法是一种非线性的方法，能更好地模拟不同输入因子之间的相互作用，并且不需要人工调整经验参数，保证了方法的客观性与准确性。

【技术实现步骤摘要】
一种基于深层神经网络的台风路径预报方法
本专利技术属于大气
，涉及一种基于深层神经网络的台风路径预报方法。
技术介绍
台风在是热带海洋上生成的强烈天气过程。台风期间，在强风和低压的作用下，台风往往会引发山洪爆发、城市内涝、山体滑坡、泥石流等，对人类生命和财产造成巨大的损害。西北太平洋不仅是世界上台风生成数量最多的海盆，也是唯一一个一年四季都能观测到台风活动的海盆。对台风路径的预报有助于人们提前做好防范，减少损失。现有的台风路径预报的主要手段之一是采用动力模型，通过数值求解控制大气运动的物理方程，预报台风未来的移动趋势。但是，这种方法受到诸多因素的影响，包括物理模型本身的对流方案、行星边界层方案、长短波辐射方案、云微物理、次网格扩散等，以及模型所用的同化方法。而且，模型需要占用庞大的计算机资源并消耗大量的计算时间。台风路径预报的另一种方法---统计预报模型则是建立在台风路径与不同大气参数之间的历史关系之上，但是，这种方法主要基于对少数统计特征的简单回归，其预报精度仍有待提高。一些区域气象中心，如美国的国家飓风中心(NHC)，通常采用本文档来自技高网...

【技术保护点】
1.一种基于深层神经网络的台风路径预报方法，其特征在于，包括以下步骤：/nS1、确定要预报的时刻，并获取m个预报机构的台风路径预报结果；/nS2、将步骤S1中获取的m个预报机构的台风路径预报结果按预报机构顺序排列成2个m×1大小的矩阵；/nS3、将步骤S2中的矩阵分别输入台风路径预报模型，得到台风路径预报结果。/n

【技术特征摘要】
1.一种基于深层神经网络的台风路径预报方法，其特征在于，包括以下步骤：
S1、确定要预报的时刻，并获取m个预报机构的台风路径预报结果；
S2、将步骤S1中获取的m个预报机构的台风路径预报结果按预报机构顺序排列成2个m×1大小的矩阵；
S3、将步骤S2中的矩阵分别输入台风路径预报模型，得到台风路径预报结果。


2.根据权利要求1所述的基于深层神经网络的台风路径预报方法，其特征在于，步骤S1中m个预报机构的台风路径预报结果包括需要预报时刻的台风经度和纬度。


3.根据权利要求1所述的基于深层神经网络的台风路径预报方法，其特征在于，步骤S2具体为：将步骤S1获取的m个预报机构的台风路径预报结果中的经度和纬度按照预报机构的顺序分别排列成1个m×1大小的经度矩阵和一个m×1大小的纬度矩阵，其中，经度矩阵为：[预报机构1预报的经度，预报机构2预报的经度，...，预报机构m预报的经度]，纬度矩阵为：[预报机构1预报的纬度，预报机构2预报的纬度，...，预报机构m预报的纬度]。


4.根据权利要求1所述的基于深层神经网络的台风路径预报方法，其特征在于，步骤S3具体为：台风路径预报模型包括台风路径经度预报模型和台风路径纬度预报模型，将步骤S2中提取的经度矩阵和纬度矩阵分别输入台风路径经度预报模型和台风路径纬度预报模型，得到预报的台风路径的经度和纬度。


5.根据权利要求4所述的基于深层神经网络的台风路径预报方法，其特征在于，台风路径经度预报模型和台风路径纬度预报模型基于深层神经网络进行构建，具体包括以下步骤：
S31、构建学习m个预报机构的台风路径预报结果之间学习非线性过程的全连接层模块，首先构建台风路径经度预报模型，利用Keras内置的Sequential顺序模块，首先添加输入层，输入层输入数据为步骤S2中生成的m×1大小的经度矩阵；然后两个全连接层，第一个全连接层包含6个节点，第二个隐藏层包含4个节点；最后添加输出...

【专利技术属性】
技术研发人员：徐青，王充，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32