一种基于生成对抗网络的台风风场预测方法和系统技术方案

本发明专利技术公开了一种基于生成对抗网络的台风风场预测方法和系统，本方法基于多重嵌套生成对抗网络思想，在台风云系预测模型之外叠加一个台风风场预测模型，该生成对抗网络通过对抗学习，最终使得生成器充分吸收了数值天气预报预测法模拟结果的特征，可以高效逼真的生成模拟台风风场结果；本方法通过耦合人工智能方法，即生成对抗网络，来克服中尺度气象数值模式WRF和气象卫星云图本身在时间空间精度的局限性，可以明显减少基于物理模型的数值天气预报技术的物理和数值误差，提高台风风场预报的精度和效率；采用本方法能够学习获得卫星台风云图的真实台风结构特征及其演化规律。云图的真实台风结构特征及其演化规律。云图的真实台风结构特征及其演化规律。

【技术实现步骤摘要】
一种基于生成对抗网络的台风风场预测方法和系统


[0001]本专利技术属于气象领域，具体涉及一种基于生成对抗网络的台风风场预测方法和系统。

技术介绍

[0002]台风是发生于西太平洋的一种强热带气旋，往往伴随着狂风暴雨等极端天气现象。按世界气象组织定义：热带气旋中心持续风速达到12级(即每秒32.7米或以上)称为飓风(hurricane)，飓风的名称使用在北大西洋及东太平洋；而在西北太平洋，其称作台风(typhoon)。一些地区则将中心持续风速每秒17.2米以上的热带气旋皆称为台风。一个发展成熟的台风，按其结构和带来的天气，分为台风眼、涡旋风雨区、外围大风区三部分，从中心向外呈同心圆状排列。台风眼位于台风中心，直径约5～10公里。台风眼内盛行下沉气流，故天气睛朗，风平浪静。台风眼外侧为涡旋风雨区，这里盛行强烈的辐合上升气流，形成浓厚的云层，出现狂风暴雨，风力常常在12级以上，是台风中天气最恶劣的区域。再向外为外围大风区，风速向外减小，风力通常在6级以上。台风过境常常带来狂风暴雨天气，引起海面巨浪并形成风暴潮危害，严重威胁沿海工程结构和海上风机等设施装备安全。据统计，每年平均登陆东南沿海的热带气旋包括台风及超强台风的数目为9个。由于海上风电场的建设方兴未艾，台风引起的风电机组事故屡见不鲜。与良态风相比，台风的主要特征是风速大、湍流度高、风向变化剧烈，这会对风机运行造成极其不利的影响。鉴于台风灾害可能造成的巨大损失，在强风天气到来前对风速进行预测并提前做好应急准备有着重要的意义。但是，台风气象往往具有极大的随机性，尤其对于局部地区，台风的风速风向具有很强的不确定性和非平稳性，这都对台风气象要素(如路径和强度)的超前预测带来了极大的挑战。
[0003]在气象和风工程领域，台风气象或台风风场预测方法大致可分为以下4类：(1)基于物理模型的数值天气预报(NWP)预测方法，这是目前大部分气象机构采用的主流方法，如基于WRF或AHW的台风预测方法；(2)基于历史台风气象数据的统计预测方法；(3)基于历史台风气象数据的人工智能机器学习类预测方法；(4)基于数值天气预报与历史台风数据的混合预测方法。
[0004]在工程设计领域，面向灾害风险评估的热带气旋数值模拟方法主要包括模拟圆法和全路径模拟法。模拟圆法基于单个站点或是局部区域范围的过境热带气旋实测数据，应用台风风场模型通过数值计算模拟台风风速，具体步骤如下：(1)提取一定范围内(一般采取250km范围的圆形区域)的过境台风记录，并进行数据预处理；(2)统计得到模拟点处各个台风关键参数的概率模型；(3)依据关键参数的概率模型进行随机抽样，得到一组台风关键参数，结合台风风场模型，计算模拟点的台风风速；(4)重复上步，得到模拟点的台风最大风速序列，用于台风灾害风险评估(推算不同重现期对应的极值风速或确定台风平均风剖面参数等)。上述基于单个站点或是局部区域范围的台风数值模拟方法操作步骤少，计算效率高，但同时也存在着局限性，即需要统计得到模拟点处各个台风关键参数的概率模型。但是，由于热带气旋事件总体样本非常少，采用模拟圆法筛选得到的过境台风记录不足以建
立该区域内的台风关键参数的概率模型。为应对模拟圆法的不足，Vickery提出了一种全路径模拟方法，对整个海域进行分区，针对每小块区域内的台风信息作线性回归分析，能够模拟整个洋面的热带气旋发展全过程。全路径模拟法的过程主要为：(1)建立起始点模型，包括抽样生成模拟热带气旋的年发生次数和生成起始点信息；(2)建立行进模型，模拟热带气旋的移动速度和朝向形成热带气旋路径；(3)建立强度模型，包括洋面强度发展模型和陆地强度衰减模型，并根据热带气旋路径中下一点的经纬度选择相应的强度模型；(4)路径模拟结果检验，对随机生成的热带气旋路径及强度大样本进行统计结果检验以及统计规律分析，基于检验结果进行参数调整；(5)建立台风风场工程模型和边界层模型，包括风场模型关键参数的标定，计算模拟点台风风速，进行台风风险灾害评估。
[0005]卫星云图是通过气象卫星和遥感技术从太空观测台风的结构和位置，比单纯的数字数据具有更多的视觉信息。从20世纪60年代起，随着气象卫星遥感技术的快速发展，卫星云图在大气环境监测和天气预报制作中发挥了不可替代的作用。由于气象卫星拍摄的卫星云图数据在时间上具有连续性，在空间上具有覆盖性，使得其在台风分析和预测方面可以发挥重要作用。
[0006]现有气象预测方法中数值天气预报方法能够考虑多种大气物理过程和要素，能够对大气运动控制方程进行准确描述，能够实现较长时段的预测，但同时由于物理模型方案仍有待改善、时间空间分辨率受计算时间影响较大、模拟采用的地形难以精确描述目标区域等因素，在预测具体目标位置的台风气象参数仍有较大的误差存在。而第2种与第3种方法均基于历史数据，无法考虑未来大气运动等因素的影响，因此，预报的时限往往非常有限。第4种方法中：首先，采用数值天气预报模拟计算历史风速信息，然后，根据历史实测数据采用统计或人工智能方法寻找误差规律，最后，对数值天气预报的未来预测风速进行修订，从而提高风速预报的精度。因此，基于数值天气预报与历史风速数据的混合方法的预测方法得到越来越多研究人员的青睐。
[0007]工程领域采用的模拟圆法和全路径模拟方法所依赖的关键是台风要素统计模型。但由于热带气旋事件总体样本相对较少，往往无法建立可靠的台风关键参数概率模型。由于台风关键参数概率模型的建立和台风模型参数调试的方法较为主观，无法形成统一的标准，很难用这两种。
[0008]最初对于气象卫星云图的应用和分析主要依靠人工目视判读。但是，目视判读存在一定程度的主观影响，不利于对卫星云图的丰富信息进行充分提取和最大利用。近年来，相关学者展开了针对气象卫星云图的计算机视觉和机器学习研究。
[0009]综上可见，采用现有的台风预测技术，无法减少基于物理模型的数值天气预报技术的物理和数值误差，导致无法保证台风风场预报的精度和效率。

技术实现思路

[0010]为解决上述技术问题，本专利技术提供一种基于生成对抗网络的台风风场预测方法和系统，能够减少基于物理模型的数值天气预报技术的物理和数值误差，提高了台风风场预报的精度和效率。
[0011]为了达到上述目的，本专利技术采用技术方案如下：
[0012]一种基于生成对抗网络的台风风场预测方法，包括：
[0013]基于生成对抗网络，通过历史台风卫星云图序列构建台风云系预测模型；
[0014]采用基于物理模型的数值天气预报法获取台风风场预测数据；
[0015]将当前台风的历史台风卫星云图序列作为台风云系预测模型输入量，获取未来台风卫星云图；
[0016]结合卫星风的反演分析方法和未来台风卫星云图，获取未来台风卫星风数据；
[0017]基于卷积神经网络，结合未来台风卫星风数据和台风风场预测数据，训练得到台风风场预测模型，预测未来台风风场。
[0018]进一步地，所述历史台风卫星云图序列由卫星获取。
[0019]进一步地，所述数值天气预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的台风风场预测方法，其特征在于，包括：基于生成对抗网络，通过历史台风卫星云图序列构建台风云系预测模型；采用基于物理模型的数值天气预报法获取台风风场预测数据；将当前台风的历史台风卫星云图序列作为台风云系预测模型输入量，获取未来台风卫星云图；结合卫星风的反演分析方法和未来台风卫星云图，获取未来台风卫星风数据；基于卷积神经网络，结合未来台风卫星风数据和台风风场预测数据，训练得到台风风场预测模型，预测未来台风风场。2.根据权利要求1所述的一种基于生成对抗网络的台风风场预测方法，其特征在于，所述历史台风卫星云图序列由卫星获取。3.根据权利要求2所述的一种基于生成对抗网络的台风风场预测方法，其特征在于，所述数值天气预报预测法获取台风风场预测数据的具体步骤为：采用中尺度气象数值模式对台风风场进行模拟计算，利用移动网格，预测台风中心的每隔预设时间的风场演变，得到台风风场预测数据。4.根据权利要求3所述的一种基于生成对抗网络的台风风场预测方法，其特征在于，所述中尺度气象数值模式的最外层网格初始和边界输入条件采用全球预报系统提供的精度为1
°×1°
的气象数据，该气象数据与所述风云二号卫星实现间接同化，地形高程采用SRTM90米分辨率数据库。5.根据权利要求1所述的一种基于生成对抗网络的台风风场预测方法，其特征在于，所述卫星风的反演分析方法通过台风卫星云图中云块的移动速度、环境温度和高度得到；其中，所述云块的移动速度通过比较时间相邻的三张台风卫星云图中的追踪...

【专利技术属性】
技术研发人员：王绍民，逯智科，闫姝，刘鑫，陈新明，尹铁男，李飒，魏守成，胡世铭，张俊伟，黄婷婷，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司华能海上风电科学技术研究有限公司，
类型：发明
国别省市：