一种热带气旋路径短期预报方法、系统及存储介质技术方案

本发明专利技术公开一种热带气旋路径短期预报方法、系统及存储介质，涉及海洋气象领域，该方法包括获取热带气旋最佳路径数据集以及ERA5重力势数据；根据热带气旋最佳路径数据集以及ERA5重力势数据确定时序样本数据集；利用时序样本数据集训练Decoder

【技术实现步骤摘要】
一种热带气旋路径短期预报方法、系统及存储介质


[0001]本专利技术涉及海洋气象领域，特别是涉及一种热带气旋路径短期预报方法、系统及存储介质。

技术介绍

[0002]热带气旋是地球上最具破坏性的天气系统之一，登陆后可能导致大面积房屋被淹，交通电力瘫痪，对人们的生命和财产安全造成很大的危害。中国是世界上受热带气旋袭击最多、受灾最严重的国家之一，所以对热带气旋进行实时准确的预报具有重要意义。目前主要的热带气旋路径预报方法可以分为三种：第一种是数值预报法，它是基于动力学原理，建立大气动力学方程组求解得到热带气旋路径预报结果。由于目前对于热带气旋路径变化机制的认识仍有诸多不足，其物理建模并不完善。第二种是统计学预报法，其使用大量历史数据生成预报因子，用统计回归等方法预报热带气旋路径。第三种是统计动态预报技术，它将统计预报方法与数值预报技术相结合，产生最终的预报结果。
[0003]近几十年来，空天地海一体化气象综合探体系不断发展完善，使得热带气旋监测更加便捷高效，也累积了海量历史数据。与此同时深度学习、大数据等计算机技术高速发展。深度学习等算法具有从大量的高维时空分布气象数据中提取复杂时空特征的能力，且具备计算效率高,可迁移性强，协同性和灵活性优的特点。这些优势都使深度学习成为路径预报的热门研究方向，越来越多的学者将深度学习算法应用于热带气旋预报，并取得了不错的结果。Pickle首次使用非线性神经网络对太平洋西北地区的台风路径进行了24h的短期预报。实验结果表明，基于非线性神经网络的预报算法优于同期日本气象厅的气候持久性预报方法。Lee利用传统网络学习台风云层的模式，后来又提出了基于模糊神经网络的台风路径预报系统。Yang使用遗传学习神经网络进行热带气旋路径预报，其24h路径预报效果良好。俞善贤等人利用径向基函数选择合适的预报变量，对热带气旋进行路径预报。邵利民利用多元回归选择合适的预报因子，应用BP神经网络对热带气旋路径进行预报，与传统统计预报法相比路径预报的准确性有所提高。Huang等人利用主成分分析、逐步回归和遗传算法，创建了一种新的非线性神经网络预报模型。
[0004]使用传统的神经网络虽然能充分提取数据的深度非线性和空间变化特征，但不能很好的利用数据的时序特征，在各个时刻数据中间建立直接的联系。循环神经网络(Recurrent Neural Network, RNN)及其变体长短期记忆神经网络（long short
‑
term memory，LSTM）出现后，各位学者开始将RNN用于热带气旋路径预报。RNN是专门处理时间序列的模型，用RNN做路径预报的方式分为两种：一种是使用统计学方法将记录热带气旋特性的时间序列输入RNN模型；另一种是将RNN与CNN相结合，在ERA5等再分析数据集上提取热带气旋周围环境场数据的深度非线性特征，进行路径预报。GAO等人开始使用LSTM网络进行热带气旋路径预报，首次将时间序列引入神经网络热带气旋进行路径预报，提高了预报的准确性。Kordmahalleh等考虑了一系列热带气旋路径信息，提出了一种基于遗传算法优化的RNN网络来预报热带气旋路径。Chandra等人利用RNN的神经进化来预报南太平洋的气旋路
径。2015年，孙海燕将GIS与小波神经网络相结合，对热带气旋路径进行预报。2018年，Seongchan Kim等人结合LSTM的时序性和CNN的图像识别能力，将ConvLSTM应用于热带气旋轨迹预报。但是该方法没有考虑到热带气旋周围丰富的空间信息，以至于它在6h和15h的预报误差分别达到了140.97 km和170.38 km，由此证明选择合适的数据范围对于路径预报有重要意义。Chen利用3DCNN和2DCNN来学习热带气旋区域大气海洋变量的特征关系，然后使用LSTM来预报台风路径变化。其模型结果很好，优于许多统计预报方法和机器学习模型。徐高扬利用序列数据相似度将待测热带气旋路径与历史热带气旋路径进行相似度计算，筛选出与待测热带气旋具有相似运动特征的热带气旋作为训练集，并比较了RNN、LSTM、门循环单元（Gate Recurrent Unit,GRU）三种预报模型的优劣。Xu对通过wind&deep框架将使用CLIPER方法得到的热带旋二维时序特征和使用Multi
‑
ConvGRU得到的热带气旋三维时序特征进行融合，提升了24h热带气旋路径预报精度。耿逍懿使用再分析数据确定方向因子，以LSTM循环单元为基础构架模型进行台风路径集成预报，该方法24h路径预报精度110KM左右。
[0005]尽管许多学者已经开始运用热带气旋周围环境场进行路径预报，但是总的来讲，还不能更精确的挖掘环境场信息并预报热带气旋的路径变化。

技术实现思路

[0006]本专利技术的目的是提供一种热带气旋路径短期预报方法、系统及存储介质，能够提高深度学习路径预报的精度。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种热带气旋路径短期预报方法，包括：
[0009]获取热带气旋最佳路径数据集以及ERA5重力势数据；
[0010]根据热带气旋最佳路径数据集以及ERA5重力势数据确定时序样本数据集；
[0011]利用时序样本数据集训练Decoder
‑
Encoder结构，得到热带气旋深度学习路径预报模型；
[0012]根据重力势数据集，采用热带气旋深度学习路径预报模型，得到未来6h、12h、18h和24h的热带气旋中心坐标。
[0013]可选地，所述根据热带气旋最佳路径数据集以及ERA5重力势数据确定时序样本数据集，具体包括：
[0014]以6h时间间隔，对热带气旋最佳路径数据集和ERA5重力势数据进行时空匹配；
[0015]利用时空匹配后的热带气旋最佳路径数据集对时空匹配后的ERA5重力势数据进行中心位置校正；
[0016]以当前时刻热带气旋中心为中点，划定当前时刻和过去4个时刻校正后的ERA5重力势数据范围，作为一个样本数据；
[0017]对样本数据进行最大最小值归一化，得到时序样本数据集。
[0018]可选地，所述Decoder
‑
Encoder结构包括：SE注意力机制层、卷积层、TrajGRU循环单元以及全连接层。
[0019]可选地，所述利用时序样本数据集训练Decoder
‑
Encoder结构，得到热带气旋深度学习路径预报模型，具体包括：
[0020]S1.利用SE注意力机制提取时序样本数据集的空间特征；
[0021]S2.将空间特征进行卷积压缩特征图，得到深度特征；
[0022]S3.将深度特征输入TrajGRU循环单元计算当前时刻隐藏状态；
[0023]S4.循环S1、S2和S3三次得到各时刻最终隐藏状态，得到特征编码；
[0024]S5.将特征编码输入TrajGRU循环单元得到当前隐藏状态；
[0025]S6.对TrajGR本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种热带气旋路径短期预报方法，其特征在于，包括：获取热带气旋最佳路径数据集以及ERA5重力势数据；根据热带气旋最佳路径数据集以及ERA5重力势数据确定时序样本数据集；利用时序样本数据集训练Decoder
‑
Encoder结构，得到热带气旋深度学习路径预报模型；根据重力势数据集，采用热带气旋深度学习路径预报模型，得到未来6h、12h、18h和24h的热带气旋中心坐标。2.根据权利要求1所述的一种热带气旋路径短期预报方法，其特征在于，所述根据热带气旋最佳路径数据集以及ERA5重力势数据确定时序样本数据集，具体包括：以6h时间间隔，对热带气旋最佳路径数据集和ERA5重力势数据进行时空匹配；利用时空匹配后的热带气旋最佳路径数据集对时空匹配后的ERA5重力势数据进行中心位置校正；以当前时刻热带气旋中心为中点，划定当前时刻和过去4个时刻校正后的ERA5重力势数据范围，作为一个样本数据；对样本数据进行最大最小值归一化，得到时序样本数据集。3.根据权利要求1所述的一种热带气旋路径短期预报方法，其特征在于，所述Decoder
‑
Encoder结构包括：SE注意力机制层、卷积层、TrajGRU循环单元以及全连接层。4.根据权利要求3所述的一种热带气旋路径短期预报方法，其特征在于，所述利用时序样本数据集训练Decoder
‑
Encoder...

【专利技术属性】
技术研发人员：殷晓斌，蒋晓威，徐青，
申请(专利权)人：中国海洋大学三亚海洋研究院，
类型：发明
国别省市：