【技术实现步骤摘要】
本专利技术属于机器学习技术以及气象预报，涉及台风远距离强降水的预报方法。具体而言，是一种基于机器学习和智能预报因子预报台风远距离降水的方法，通过利用机器学习等技术并通过构建智能预报因子，实现对我国北方地区台风远距离强降水的时空分布特征、影响机理和预报因子的深入分析，提高对北方地区台风远距离强降水的预报精度和稳定性。
技术介绍
1、我国北方地区（指淮河、秦岭一线以北的区域）的气候特征是旱涝交替频繁，夏季（6-8月）是该地区的雨季，占全年总降水量的70%以上。在低槽、低涡、冷锋、切变线以及台风远距离影响等复杂因素的作用下，目前还无法对我国北方地区强降水做出精准预报。尽管夏季强降水的多寡与暴雨强降水日数直接相关，但这些暴雨事件往往在短时间内集中爆发，增加了预报的难度，缺乏有效的预报因子是主要原因。
2、台风对我国北方地区强降水的影响可概括为直接影响和间接影响两类。直接影响指登陆我国的台风北上，其螺旋雨带或内核对流给我国北方地区带来强降水。间接影响指台风中心离我国北方地区尚远，但其与中纬度天气系统协同作用，给我国北方地区带来强降水。...
【技术保护点】
1.一种基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，所述方法至少包括如下实施步骤：
2.根据权利要求1所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，上述步骤SS1中，所述基于机器学习的数据挖掘方法为基于主成分分析的特征提取法，其在对所收集整理的各类气象数据进行数据挖掘时至少包括如下子步骤：
3.根据权利要求1所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，上述步骤SS2中，利用台风降水过程主客观相结合的识别方法判定北方地区的台风远距离降水样本时至少包括如下子步骤：
4...
【技术特征摘要】
1.一种基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，所述方法至少包括如下实施步骤：
2.根据权利要求1所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，上述步骤ss1中，所述基于机器学习的数据挖掘方法为基于主成分分析的特征提取法，其在对所收集整理的各类气象数据进行数据挖掘时至少包括如下子步骤：
3.根据权利要求1所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，上述步骤ss2中，利用台风降水过程主客观相结合的识别方法判定北方地区的台风远距离降水样本时至少包括如下子步骤：
4.根据权利要求3所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，选择位置点（39.2 °n，116.5 °e）作为我国北方地区各国家站平均位置点a，所述空间距离条件为500 km≤d≤2000 km，参数d0取500km，参数d1取台风外围流系半径的上限值。
5.根据权利要求3所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，对于子步骤ss26所构建的1960年以来我国北方地区的长时间序列台风远距离强降水数据集，采用机器学习算法自动提取和选择与台风远距离强降水相关的特征，以降低特征的维度和复杂度并增强特征的表达能力和区分能力，其在实施时至少包括如下子步骤：
6.根据权利要求1所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，上述步骤ss3中，使用基于机器学习的k-均值聚类分析算法对台风远距离强降水的时空分布特征进行分组和分类时至少包括如下子步骤：
7.根据权利要求1所述的基于机器学习和智能预报因子预报台风远距离降水的方法，其特征在于，上述步骤ss4中，所述控制试验是指在不改变台风的位置、强度和尺度的情况下，通过稳定再现台风远距离影响下典型个例的降水落区和降水强度以得出试验系统模式的最优参数化方案配置；所述敏感性试验是指在控制试验的基础上，分别改变台风的位置、强度和尺度，观察台风对我国北方地区强降水落区和强度、台风对东亚夏季风水汽输送带、台风对天气尺度季风涌的影响的变化。
8.根据权利要求7所述的基于机器学...
【专利技术属性】
技术研发人员：赵大军，徐洪雄，王慧，刘欣，
申请(专利权)人：中国气象科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。