进行台风水位预测的方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例涉及台风监测技术领域，公开了一种进行台风水位预测的方法，包括：获取预设时间的台风数据，并根据所述台风数据提取台风特征信息；根据所述台风特征信息以及基于LSTM结构构建的台风水位预测模型进行模型运算；输出与所述台风数据相对应的水位预测结果。本发明专利技术实施例中的进行台风水位预测的方法，由于台风的历史数据具有相当大的时序性，且有一定的周期性，因此适合通过LSTM模型对先前的台风水位走势构建相应预测模型，本发明专利技术实施例的方案解决了现有技术中预测准确性较差、计算量大以及易产生过拟合的技术问题；通过上述模型能够解决数据的长期依赖问题，相对于传统时间序列模型，其能够更加灵活的调参。

【技术实现步骤摘要】
进行台风水位预测的方法、装置、电子设备及存储介质
本专利技术涉及台风监测
，具体涉及一种进行台风水位预测的方法、装置、电子设备及存储介质。
技术介绍
目前，台风水位预测的研究大约始于20世纪20年代，最开始仅是对台风降水现象进行观察与理论分析，主要是为了解其现象、发生过程和其成因的初步讨论。20世纪50年代以后，随着探测技术的发展，为台风降水的观测提供了更为精确的手段，从而使台风水位预测研究得到进一步的深入。台风降水的研究方法也经历了从理论方法向经验统计预报方法与数值模拟方法的变迁。其中，数值模拟是研究台风降水最为直接的方法，它是基于台风降水理论研究的控制方程、计算方法和计算机的应用而发展起来的新型研究方法。目前，传统的研究方法有基于统计方法的频率分析与以动力学为基础的数值模拟方法，这两种方法对于台风引起的水位的分析与预测得到了广泛运用。由于台风形成的复杂性和非线性，传统的频率分析和数值模拟方法缺乏适应性，易受到噪声影响，对降水的预测结果都不够理想。因此设计一种便于进行台风水位预测的方法成为本领域技术人员亟待解决的技术问题。...

【技术保护点】
1.一种进行台风水位预测的方法，其特征在于，包括：/n获取预设时间的台风数据，并根据所述台风数据提取台风特征信息；/n根据所述台风特征信息以及基于LSTM结构构建的台风水位预测模型进行模型运算；/n输出与所述台风数据相对应的水位预测结果。/n

【技术特征摘要】
1.一种进行台风水位预测的方法，其特征在于，包括：
获取预设时间的台风数据，并根据所述台风数据提取台风特征信息；
根据所述台风特征信息以及基于LSTM结构构建的台风水位预测模型进行模型运算；
输出与所述台风数据相对应的水位预测结果。


2.如权利要求1所述的进行台风水位预测的方法，其特征在于，所述台风水位预测模型通过如下步骤构建完成：
获取历史台风数据和增水数据；
对所述历史台风数据和增水数据进行预处理以得到对应的历史特征信息和水位数据，并根据所述历史特征信息和所述水位数据生成模型数据集；
将所述模型数据集中的数据输入至基于LSTM结构的台风水位识别模型中进行训练，在所述台风水位识别模型中以历史特征信息为输入、水位预测结果为输出进行识别训练直至达到训练要求。


3.如权利要求2所述的进行台风水位预测的方法，其特征在于，所述对所述历史台风数据和增水数据进行预处理以得到对应的历史特征信息和水位数据，包括：
对所述历史台风数据和增水数据进行特征选择以得到历史特征信息和水位数据，所述历史特征信息包括台风等级、经度信息、纬度信息、风速信息和气压信息；
对所述历史特征信息和水位数据进行归一化处理。


4.如权利要求2所述的进行台风水位预测的方法，其特征在于，所述基于LSTM结构的台风水位识别模型包括输入层、隐含层和输出层；
在所述台风水位识别模型中以历史特征信息为输入、水位大小为输出进行识别训练直至达到训练要求，包括：
将历史特征信息输入至相应的第一LSTM单元进行模型训练以得到输入层；
将所述输入层的输出结果输入至第二LSTM单元进行模型训练以得到隐含层；
将所述隐含层的输出结果输入至第三LSTM单元进行识别训练以得到输出层，将所述输出层的水位预测结果输出，通过不断进行模型训练直至达到训练要求。


5.如权利要求4所述的进行台风水位预测的方法，其特征在于，所述隐含层采用ELU...

【专利技术属性】
技术研发人员：袁智翔，刘华役，
申请(专利权)人：广东海启星海洋科技有限公司，
类型：发明
国别省市：广东;44