基于MLP-CNN融合模型的热带气旋风圈半径预测方法技术

本发明专利技术涉及基于MLP

【技术实现步骤摘要】
基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法


[0001]本专利技术属于台风气候预测
，尤其涉及基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法。

技术介绍

[0002]热带气旋Tropical Cyclone，简称TC，是一种发生在热带洋面上的强烈的天气系统，热带气旋的直接致灾原因主要来源于大风、暴雨以及由此产生的风暴潮和次生地质灾害等，热带气旋登陆前，前期先是风的灾害。热带气旋常以7级、10级和12级大风风圈半径来度量热带气旋尺度，风圈大小的预测研究，对防台减灾和灾害预警有重要意义。由于沿海地区人口密集,经济高度发达，强风对保障城市安全和运营有着重要的影响，因而精细和精准的热带气旋大风影响范围分析和预测对保障人民生命安全和预防经济损失至关重要。热带气旋的大部分研究是针对其路径和强度预测预报，对热带气旋大风半径的预测与强度、降水等其他结构特征参数的变化关系等的相关研究不足，现有对热带气旋大风半径的预测包括通过热带气旋大风和气压场之间的动力平衡关系建立经验模型估算热带气旋大风风圈半径，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法，其特征在于：所述预测方法的步骤包括，第一步，采集历史热带气旋属性数据库以及历史热带气旋卫星云图图像库，对数据库中的数据进行归一化处理；第二步，利用MLP模型接收历史热带气旋属性数据，并设计两个隐含层，输出4维属性数据特征向量；第三步，利用CNN模型输入历史热带气旋卫星云图图像数据，输出4维图像特征向量；第四步，将4维属性数据特征向量与4维图像特征向量输入，以8:2的样本划分比例确定训练集和验证集；第五步，对训练集进行迭代训练得到已训练模型，再将验证集代入对已训练模型进行验证，得到融合风圈半径预报模型Wind ForecastingModel，简称WFM预测模型。2.根据权利要求1所述一种基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法，其特征在于：所述历史热带气旋属性数据库的数据包括热带气旋国际编号、月份、经度、纬度、最大风速、中心气压以及四个移向象限NE、SE、SW、NW。3.根据权利要求1所述一种基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法，其特征在于：所述历史热带气旋卫星云图图像库设有分析处理步骤，该分析处理步骤基于获取热带气旋卫星云图的红外数据，利用德沃夏克卫星云图分析法生成以热带气旋为中心，大小为224*224*3的卫星云图。4.根据权利要求1所述一种基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法，其特征在于：所述归一化处理包括属性数据归一化以及图像归一化，所述属性数据归一化为Max—Min归一化，公式为其中x
i
为特征x第i的值，x
max
以及x
min
为特征x的最大值和最小值；所述图像归一化将历史热带气旋卫星云图图像的每个像素点除以255，再将风圈半径各点数据值除以该组内数据最大值，得到范围在[0,1]的向量特征。5.根据权利要求1所述一种基于MLP
‑
CNN融合模型的热带气旋风圈半径预测方法，其特征在于：所述MLP模型设计两个隐含层，在第一个隐含层输入为32维，输出为...

【专利技术属性】
技术研发人员：周必高，吴贤笃，仇欣，谢海华，黄克慧，郑峰，朱忠勇，郑建琴，
申请(专利权)人：南京大学，
类型：发明
国别省市：