夏季登陆中国台风数量预测模型的训练方法和预测方法技术

本公开提供了一种夏季登陆中国台风数量预测模型的训练方法。该夏季登陆中国台风数量预测模型的训练方法包括：生成样本数据，样本数据包括：多组年际数据，每一组年际数据包括属于同一年的第一数值、第二数值、第三数值、第四数值、第五数值、第六数值和第七数值；将样本数据输入初始夏季登陆中国台风数量预测模型，得到与样本数据对应的输出结果，输出结果包括第八数值和第九数值；以及根据输出结果、与输出结果对应的实际观测结果和损失函数值，调整初始夏季登陆中国台风数量预测模型的模型参数，得到目标夏季登陆中国台风数量预测模型。本公开还提供了一种夏季登陆中国台风数量的预测方法、装置、设备和存储介质。设备和存储介质。设备和存储介质。

【技术实现步骤摘要】
夏季登陆中国台风数量预测模型的训练方法和预测方法


[0001]本公开涉及气象观测
，尤其涉及机器学习、人工智能等
，尤其涉及一种夏季登陆中国台风数量预测模型的训练方法、夏季登陆中国台风数量的预测方法、装置、电子设备和存储介质。

技术介绍

[0002]台风经常在夏季(6
‑
8月)登陆中国，造成了严重的气象灾害。登陆台风的季节预测不仅是中国防灾减灾的迫切需求，也是台风研究的热点和难点。夏季登陆中国台风的数量较多且登陆地点分布较广，不仅华南常有台风登陆，而且华北也时有台风登陆。目前，夏季登陆中国不同区域台风数量的预测技巧有待提高。

技术实现思路

[0003]鉴于上述问题，本公开提供了一种夏季登陆中国台风数量预测模型的训练方法、夏季登陆中国台风数量的预测方法、装置、设备、介质和程序产品。
[0004]根据本公开的第一个方面，提供了一种夏季登陆中国台风数量预测模型的训练方法，包括：生成样本数据，所述样本数据包括：多组年际数据，每一组年际数据包括属于同一年的第一数值、第二数值、第三数值、第四数值、第五数值、第六数值和第七数值；将所述样本数据输入初始夏季登陆中国台风数量预测模型，得到与所述样本数据对应的输出结果，所述输出结果包括第八数值和第九数值；以及根据所述输出结果、与所述输出结果对应的实际观测结果和损失函数值，调整所述初始夏季登陆中国台风数量预测模型的模型参数，得到目标夏季登陆中国台风数量预测模型；其中，所述第一数值为：第一目标区域在第一预设时段的海表温度平均值与第二目标区域在第一预设时段的海表温度平均值之间的差值；所述第二数值为：第三目标区域在第一预设时段的海表温度平均值与第四目标区域在第一预设时段的海表温度平均值之间的差值；所述第三数值为：第五目标区域在第一预设时段的海表温度平均值和第六目标区域在第一预设时段的海表温度平均值之间的和值，与，二倍的第七目标区域在第一预设时段的海表温度平均值，之间的差值；所述第四数值为：第八目标区域在第一预设时段的海表温度平均值；所述第五数值为：第九目标区域在第一预设时段的海冰浓度平均值；所述第六数值为：第二预设时段登陆第十目标区域的台风数量；所述第七数值为：第二预设时段登陆第十一目标区域的台风数量，所述第十一目标区域为所述第十目标区域的子区域；所述第八数值为第三预设时段登陆所述第十目标区域的台风数量，所述第九数值为第三预设时段登陆所述第十一目标区域的台风数量。
[0005]根据本公开的实施例，所述初始夏季登陆中国台风数量预测模型包括长短期记忆神经网络和全连接层。
[0006]根据本公开的实施例，所述模型参数包括：学习率、迭代运算次数、每次迭代运算的样本数据个数、所述长短期记忆神经网络的神经元权重、所述长短期记忆神经网络的偏置值、所述全连接层的神经元权重和所述全连接层的偏置值中的一种或多种。
[0007]根据本公开的实施例，所述方法还包括：利用正交矩阵初始化方法设置所述长短期记忆神经网络的神经元权重的初值；以及利用正态分布初始化方法设置所述全连接层的神经元权重的初值。
[0008]根据本公开的第二个方面，提供了一种夏季登陆中国台风数量的预测方法，包括：将第一目标时段的目标观测数据输入目标夏季登陆中国台风数量预测模型，得到与第二目标时段对应的输出结果；其中，所述输出结果包括第一输出值和第二输出值，所述第一输出值为所述第二目标时段登陆第一目的区域的台风数量，所述第二输出值为所述第二目标时段登陆第二目的区域的台风数量，所述第二目的区域为所述第一目的区域的子区域；所述目标夏季登陆中国台风数量预测模型是根据本公开提供的方法训练的。
[0009]根据本公开的实施例，所述夏季登陆中国台风数量的预测方法还包括：根据所述第一输出值和所述第二输出值，确定第三计算值；其中，所述第三计算值为所述第二目标时段登陆第三目的区域的台风数量，所述第三目的区域为所述第一目的区域的子区域。
[0010]本公开的第三方面提供了一种夏季登陆中国台风数量预测模型的训练装置，包括：生成模块，用于生成样本数据，所述样本数据包括：多组年际数据，每一组年际数据包括属于同一年的第一数值、第二数值、第三数值、第四数值、第五数值、第六数值和第七数值；第一获得模块，用于将所述样本数据输入初始夏季登陆中国台风数量预测模型，得到与所述样本数据对应的输出结果，所述输出结果包括第八数值和第九数值；以及第二获得模块，用于根据所述输出结果、与所述输出结果对应的实际观测结果和损失函数值，调整所述初始夏季登陆中国台风数量预测模型的模型参数，得到目标夏季登陆中国台风数量预测模型；其中，所述第一数值为：第一目标区域在第一预设时段的海表温度平均值与第二目标区域在第一预设时段的海表温度平均值之间的差值；所述第二数值为：第三目标区域在第一预设时段的海表温度平均值与第四目标区域在第一预设时段的海表温度平均值之间的差值；所述第三数值为：第五目标区域在第一预设时段的海表温度平均值和第六目标区域在第一预设时段的海表温度平均值之间的和值，与，二倍的第七目标区域在第一预设时段的海表温度平均值，之间的差值；所述第四数值为：第八目标区域在第一预设时段的海表温度平均值；所述第五数值为：第九目标区域在第一预设时段的海冰浓度平均值；所述第六数值为：第二预设时段登陆第十目标区域的台风数量；所述第七数值为：第二预设时段登陆第十一目标区域的台风数量，所述第十一目标区域为所述第十目标区域的子区域；所述第八数值为第三预设时段登陆所述第十目标区域的台风数量，所述第九数值为第三预设时段登陆所述第十一目标区域的台风数量。
[0011]本公开的第四方面提供了一种夏季登陆中国台风数量的预测装置，包括：第三获得模块，用于将第一目标时段的目标观测数据输入目标夏季登陆中国台风数量预测模型，得到与第二目标时段对应的输出结果；其中，所述输出结果包括第一输出值和第二输出值，所述第一输出值为所述第二目标时段登陆第一目的区域的台风数量，所述第二输出值为所述第二目标时段登陆第二目的区域的台风数量，所述第二目的区域为所述第一目的区域的子区域；所述目标夏季登陆中国台风数量预测模型是根据本公开提供的装置训练的。
[0012]本公开的第五方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述公开的方法。
[0013]本公开的第六方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述公开的方法。
附图说明
[0014]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
[0015]图1示意性示出了根据本公开实施例的夏季登陆中国台风数量预测模型的训练方法的流程图；
[0016]图2示意性示出了根据本公开实施例的夏季登陆中国台风数量的预测方法的流程图；
[0017]图3示意性示出了根据本公开实施例的夏季登陆中国台风数量预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种夏季登陆中国台风数量预测模型的训练方法，包括：生成样本数据，所述样本数据包括：多组年际数据，每一组年际数据包括属于同一年的第一数值、第二数值、第三数值、第四数值、第五数值、第六数值和第七数值；将所述样本数据输入初始夏季登陆中国台风数量预测模型，得到与所述样本数据对应的输出结果，所述输出结果包括第八数值和第九数值；以及根据所述输出结果、与所述输出结果对应的实际观测结果和损失函数值，调整所述初始夏季登陆中国台风数量预测模型的模型参数，得到目标夏季登陆中国台风数量预测模型；其中，所述第一数值为：第一目标区域在第一预设时段的海表温度平均值与第二目标区域在第一预设时段的海表温度平均值之间的差值；所述第二数值为：第三目标区域在第一预设时段的海表温度平均值与第四目标区域在第一预设时段的海表温度平均值之间的差值；所述第三数值为：第五目标区域在第一预设时段的海表温度平均值和第六目标区域在第一预设时段的海表温度平均值之间的和值，与，二倍的第七目标区域在第一预设时段的海表温度平均值，之间的差值；所述第四数值为：第八目标区域在第一预设时段的海表温度平均值；所述第五数值为：第九目标区域在第一预设时段的海冰浓度平均值；所述第六数值为：第二预设时段登陆第十目标区域的台风数量；所述第七数值为：第二预设时段登陆第十一目标区域的台风数量，所述第十一目标区域为所述第十目标区域的子区域；所述第八数值为第三预设时段登陆所述第十目标区域的台风数量，所述第九数值为第三预设时段登陆所述第十一目标区域的台风数量。2.根据权利要求1所述的方法，其中，所述初始夏季登陆中国台风数量预测模型包括长短期记忆神经网络和全连接层。3.根据权利要求2所述的方法，所述模型参数包括：学习率、迭代运算次数、每次迭代运算的样本数据个数、所述长短期记忆神经网络的神经元权重、所述长短期记忆神经网络的偏置值、所述全连接层的神经元权重和所述全连接层的偏置值中的一种或多种。4.根据权利要求3所述的方法，还包括：利用正交矩阵初始化方法设置所述长短期记忆神经网络的神经元权重的初值；以及利用正态分布初始化方法设置所述全连接层的神经元权重的初值。5.一种夏季登陆中国台风数量的预测方法，包括：将第一目标时段的目标观测数据输入目标夏季登陆中国台风数量预测模型，得到与第二目标时段对应的输出结果；其中，所述输出结果包括第一输出值和第二输出值，所述第一输出值为所述第二目标时段登陆第一目的区域的台风数量，所述第二输出值为所述第二目标时段登陆第二目的区域的台风数量，所述第二目的区域为所述第一目的区域的子区域；所述目标夏季登陆中国台风数量预测模型是根据权利要求1至4任一项所述的方法训练的。6.根据权利要求5所述的方法，还包括：根据所述第一输...

【专利技术属性】
技术研发人员：王磊，陈光华，王林，周连童，
申请(专利权)人：中国科学院大气物理研究所，
类型：发明
国别省市：