台风强度确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种台风强度确定方法、装置、电子设备及存储介质，该方法涉及人工智能技术领域，包括：获取台风图像；将台风图像输入至卷积神经网络，得到卷积神经网络输出的图像特征；基于台风图像，构建台风图像对应的目标台风的知识图谱；知识图谱用于表示目标台风的先验知识信息和属性信息；基于先验知识信息和属性信息，确定目标台风的隐式特征；基于图像特征和所述隐式特征，确定目标台风的强度。本发明专利技术提供的方法，通过构建台风图像对应的目标台风的知识图谱，确定目标台风的隐式特征，及将卷积神经网络得到的图像特征和隐式特征进行结合，实现了先验知识在训练过程中的嵌入，提升了台风强度确定的准确率。升了台风强度确定的准确率。升了台风强度确定的准确率。

【技术实现步骤摘要】
台风强度确定方法、装置、电子设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种台风强度确定方法、装置、电子设备及存储介质。

技术介绍

[0002]台风是一种强大且复杂的天气系统，具有较强的破坏性。如果能为决策部门提供精准、高效的台风信息预报，则在很大程度上能够减少台风对人们日常生产和生活的影响。
[0003]目前，通过对台风最大强度的估算进行台风预报，在业界最为普遍。而为准确对台风的最大强度进行估算，通常需要获取相应的卫星云图，并识别卫星云图的图像特征，从而估计强度等级。
[0004]相关技术中，卷积神经网络模型被广泛应用于台风最大强度的估算任务中，卷积神经网络模型可以获取卫星云图的图像特征，实现对台风强度的估算。然而，卷积神经网络的预测结果与输入的卫星云图的图像质量密切相关，其中，卫星云图的分辨率较低，以及台风形成初期云层螺旋半径并不明显，且卫星云图易受到气流、水汽等因素影响，台风强度往往受到所处经纬度，温度，地球自转等多种因素影响，进而导致最终的强度估算结果的准确度低。

技术实现思路

[0005]本专利技术提供一种台风强度确定方法、装置、电子设备及存储介质，用以解决现有技术中台风强度估算的准确度低的缺陷，实现了精准估算台风强度，提升了台风强度确定的准确率。
[0006]本专利技术提供一种台风强度确定方法，所述方法包括：获取台风图像；将所述台风图像输入至卷积神经网络，得到所述卷积神经网络输出的图像特征；所述卷积神经网络是基于样本台风图像进行训练得到的；基于所述台风图像，构建所述台风图像对应的目标台风的知识图谱；所述知识图谱用于表示所述目标台风的先验知识信息和属性信息；基于所述先验知识信息和属性信息，确定所述目标台风的隐式特征；基于所述图像特征和所述隐式特征，确定所述目标台风的强度。
[0007]根据本专利技术提供的一种台风强度确定方法，所述基于所述台风图像，构建所述台风图像对应的目标台风的知识图谱，包括：基于所述台风图像，确定所述目标台风的至少一个第一目标三元组；所述第一目标三元组包括第一实体、关系和第二实体；基于所述目标台风对应的属性值，确定所述目标台风的至少一个第二目标三元组；所述第二目标三元组包括第三实体、属性和属性值；所述第三实体为所述第一实体或所述第二实体；
基于所述第一目标三元组和所述第二目标三元组，构建所述目标台风的所述知识图谱。
[0008]根据本专利技术提供的一种台风强度确定方法，所述基于所述先验知识信息和属性信息，确定所述目标台风的隐式特征，包括：对所述第一实体和所述第二实体分别预设第一初始特征向量，对所述关系预设第二初始特征向量；基于所述第三实体，构造所述第三实体对应的属性特征向量；基于所述第一初始特征向量、第二初始特征向量和属性特征向量，确定所述目标台风的隐式特征。
[0009]根据本专利技术提供的一种台风强度确定方法，所述基于所述第一初始特征向量、第二初始特征向量和属性特征向量，确定所述目标台风的隐式特征，包括：将所述第一初始特征向量和所述属性特征向量进行融合，得到融合特征向量；基于所述融合特征向量和所述第二初始特征向量，确定所述目标台风的隐式特征。
[0010]根据本专利技术提供的一种台风强度确定方法，所述基于所述融合特征向量和所述第二初始特征向量，确定所述目标台风的隐式特征，包括：基于所述融合特征向量和所述第二初始特征向量，计算所述第一目标三元组对应的得分；基于所述得分，确定所述目标台风的隐式特征。
[0011]根据本专利技术提供的一种台风强度确定方法，所述基于所述图像特征和所述隐式特征，确定所述目标台风的强度，包括：基于所述图像特征和所述隐式特征，将所述图像特征和所述隐式特征进行拼接，得到拼接特征；将所述拼接特征输入至分类器模型，得到所述分类器模型输出的所述目标台风的强度；所述分类器模型是基于样本拼接特征进行训练得到的，用于对所述目标台风的强度进行分类。
[0012]根据本专利技术提供的一种台风强度确定方法，所述将所述第一初始特征向量和所述属性特征向量进行融合，得到融合特征向量，包括：将所述第一初始特征向量和所述属性特征向量，采用公式（1）进行融合，得到所述融合特征向量；其中，所述e表示融合特征向量，所述e
i
表示所述第一初始特征向量，所述i表示所述第一初始特征，所述I
e
表示所述属性特征向量，所述W表示线性变换参数矩阵；所述T表示转置。
[0013]本专利技术还提供一种台风强度确定装置，所述装置包括：获取模块，用于获取台风图像；特征提取模块，用于将所述台风图像输入至卷积神经网络，得到所述卷积神经网络输出的图像特征；所述卷积神经网络是基于样本台风图像进行训练得到的；构建模块，用于基于所述台风图像，构建所述台风图像对应的目标台风的知识图
谱；所述知识图谱用于表示所述目标台风的先验知识信息和属性信息；第一确定模块，用于基于所述先验知识信息和属性信息，确定所述目标台风的隐式特征；第二确定模块，用于基于所述图像特征和所述隐式特征，确定所述目标台风的强度。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述台风强度确定方法。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述台风强度确定方法。
[0016]本专利技术提供的台风强度确定方法、装置、电子设备及存储介质，通过将获取的台风图像输入至卷积神经网络，得到卷积神经网络输出的图像特征；再根据获取的台风图像，构建台风图像对应的目标台风的知识图谱；知识图谱用于表示目标台风的先验知识信息和属性信息；根据先验知识信息和属性信息，确定目标台风的隐式特征；最后根据图像特征和隐式特征，确定目标台风的强度。本专利技术提供的方法，通过构建台风图像对应的目标台风的知识图谱，确定目标台风的隐式特征，及将卷积神经网络得到的图像特征和隐式特征进行结合，实现了先验知识在训练过程中的嵌入，弥补了卷积神经网络单纯依靠台风图像进行台风强度估算的不足，能够得到更加高效、准确的台风强度的估算结果，提升了台风强度确定的准确率。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术提供的台风强度确定方法的流程示意图之一；图2是本专利技术提供的台风强度确定方法的流程示意图之二；图3是本专利技术提供的基于知识图谱表示学习方法的过程示意图；图4是本专利技术提供的台风强度确定方法的流程示意图之三；图5是本专利技术提供的台风强度确定装置的结构示意图；图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0019]为使本专利技术的目的、技术方案和优点更加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种台风强度确定方法，其特征在于，所述方法包括：获取台风图像；将所述台风图像输入至卷积神经网络，得到所述卷积神经网络输出的图像特征；所述卷积神经网络是基于样本台风图像进行训练得到的；基于所述台风图像，构建所述台风图像对应的目标台风的知识图谱；所述知识图谱用于表示所述目标台风的先验知识信息和属性信息；基于所述先验知识信息和属性信息，确定所述目标台风的隐式特征；基于所述图像特征和所述隐式特征，确定所述目标台风的强度。2.根据权利要求1所述的台风强度确定方法，其特征在于，所述基于所述台风图像，构建所述台风图像对应的目标台风的知识图谱，包括：基于所述台风图像，确定所述目标台风的至少一个第一目标三元组；所述第一目标三元组包括第一实体、关系和第二实体；基于所述目标台风对应的属性值，确定所述目标台风的至少一个第二目标三元组；所述第二目标三元组包括第三实体、属性和属性值；所述第三实体为所述第一实体或所述第二实体；基于所述第一目标三元组和所述第二目标三元组，构建所述目标台风的所述知识图谱。3.根据权利要求2所述的台风强度确定方法，其特征在于，所述基于所述先验知识信息和属性信息，确定所述目标台风的隐式特征，包括：对所述第一实体和所述第二实体分别预设第一初始特征向量，对所述关系预设第二初始特征向量；基于所述第三实体，构造所述第三实体对应的属性特征向量；基于所述第一初始特征向量、第二初始特征向量和属性特征向量，确定所述目标台风的隐式特征。4.根据权利要求3所述的台风强度确定方法，其特征在于，所述基于所述第一初始特征向量、第二初始特征向量和属性特征向量，确定所述目标台风的隐式特征，包括：将所述第一初始特征向量和所述属性特征向量进行融合，得到融合特征向量；基于所述融合特征向量和所述第二初始特征向量，确定所述目标台风的隐式特征。5.根据权利要求4所述的台风强度确定方法，其特征在于，所述基于所述融合特征向量和所述第二初始特征向量，确定所述目标台风的隐式特征，包括：基于所述融合特征向量和所述第二初始特征向量，计算所述第一...

【专利技术属性】
技术研发人员：李明达，孙正雅，张文生，魏志强，聂婕，刘安安，宋丹，张静，
申请(专利权)人：青岛海洋科学与技术国家实验室发展中心天津大学，
类型：发明
国别省市：