【技术实现步骤摘要】
本专利技术属于机器学习，尤其涉及一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统。
技术介绍
1、热带气旋是全球范围内重要的天气现象，其强度和风圈结构对沿海地区的人类生命和财产安全构成显著威胁。目前，气象预报主要依赖于数值天气预报模型和统计-动力模型，这些模型通过分析大气环境和历史数据预测气旋的路径和强度。
2、现有的统计-动力模型，如cliper模型，在处理风圈半径的非线性变化时，常常受到模型假设和参数化的限制，导致预测精度不足，且模型过于依赖气候学平均值和持久性，未能充分捕捉热带气旋的动态特性和复杂环境因素的影响；同时，统计-动力模型主要基于静态数据构建，不能及时反映最新的环境变化和气旋发展趋势，在实时数据更新方面存在滞后，无法充分利用实时数据来提高预测的时效性，面对对快速变化的气旋条件时，预测的风圈半径在不确定性和不对称性方面存在缺陷。
3、因此，设计一种能捕捉复杂的气旋变化关系，增强实时适应性，降低不确定性和偏差的基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统成为了急需解决的技术问题。
技术实现思路
1、本专利技术为解决上述问题，提供了一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统。
2、本专利技术的技术方案，一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，设有统计-动力模型与机器学习模型，
3、所述统计-动力模型基于改进型rankine涡旋模型，得到将风速 v 描述为
4、所述机器学习模型通过收集气象数据与统计-动力模型输出的数据，使用特征工程方法处理数据，得到历史数据趋势、环境变量与统计-动力模型输出数据的关键特征，生成输入特征向量；将特征输入后利用历史气旋数据进行训练，过程中使用交叉验证方法优化模型参数，并计算指标均方误差评估模型性能；训练完成后基于集成学习方法，与统计-动力模型的输出结果结合，形成综合预测结果；最后，通过输入实时数据，动态更新模型，校正综合预测结果。
5、作为本专利技术的进一步改进，所述描述风速 v 的函数为
6、,
7、 ,
8、其中，表示最大风速,表示最大风速的半径，x 表示控制风速在径向衰减的形状参数，a是风场的非对称性参数，是非对称性的位置角；所述持久性方法使用线性回归模型进行描述，表达式为，
9、其中，和分别表示当前和未来的风圈半径，表示当前风速，、、表示回归系数，表示误差项。
10、作为本专利技术的进一步改进，所述预设规则将统计-动力模型中变量的输入与输出缩放；再对误差函数应用罚项，将涡旋模型参数中超出范围的量乘以大系数，该大系数为10^6，增大均方根误差rmse；最后将带有罚项的 rmse 作为模型的损失函数，找出最小均方误差，得到调整后的涡旋模型参数。
11、作为本专利技术的进一步改进，所述遗传算法的步骤包括，
12、s1，引入统计-动力模型的参数作为目标，从目标中随机生成一组参数组合作为初始种群；
13、s2，将统计-动力模型的预测结果，与实际数据的差异作为适应度函数，该适应度函数使用均方误差mse公式，表达式为，
14、其中，为预测的风圈半径，为实际观测值；使用适应度函数计算种群中每个个体的适应度，该适应度的大小与均方误差呈反比关系；
15、s3，使用选择策略，从种群中选择适应度较高的个体作为父代；该选择策略包括轮盘赌选择与锦标赛选择；
16、s4，随机选择两个父代个体，通过交叉操作生成新的子代，该交叉操作包括单点交叉与多点交叉；
17、s5，随机选择一些子代个体，进行小幅度的参数变异，增加种群的多样性，防止陷入局部最优；
18、s6，用新生成的子代替换适应度较低的个体，形成新的种群；
19、s7，当种群中个体的适应度达到预设阈值，或迭代次数达到上限时，终止算法。
20、作为本专利技术的进一步改进，所述机器学习模型选择适用于处理时间序列和非线性关系的模型进行训练，选择对象包括随机森林、xgboost和lstm模型。
21、作为本专利技术的进一步改进，所述气象数据包括气旋的温度、湿度、风速、移动速度与中心气压，所述统计-动力模型输出的数据包括气旋的风圈半径、风暴路径与强度变化；所述历史数据趋势包括历史时刻温度、历史时刻湿度、历史时刻风速与历史时刻中心气压，所述环境变量包括当前温度、当前湿度、当前风速、当前移动速度与当前中心气压。
22、作为本专利技术的进一步改进，所述集成学习方法通过将机器学习和统计-动力模型的输出结果进行加权平均，得到综合预测结果，表达式为，其中，和为权重，为计器学习模型的预测结果，为统计-动力模型的预测结果；所述动态更新模型的调整公式为，其中，w为学习率，l为损失函数，为模型参数在 t时刻的参数基础上，调整后在时间步 t+1上更新的参数值，表示在时刻t，损失函数 l对参数的梯度。
23、作为本专利技术的进一步改进，所述机器学习模型通过监控并收集系统的性能指标数据，使用反馈计值优化机器学习模型，偏差公式为，其中，表示预测值，表示真实值；优化模型后使用a/b测试评估模型效果；该机器学习模型还通过定期使用增强学习方法，收集新的气象数据形成更新数据集，提高机器学习模型的性能。
24、采用上述方法后，通过统计-动力模型先得到对目标气旋半径的预测，再通过机器学习模型输入气象数据与统计-动力模型输出的数据，由训练后的机器学习模型输出预测的气旋半径，识别和捕捉气象数据中复杂的非线性关系，预测风圈半径时具有更高的精度；基于集成学习方法，与统计-动力模型的输出结果结合，形成综合预测结果，能够减少模型假设对预测结果的限制，进一步优化风圈半径的估计精度，计算综合预测结果时，分别赋予权重w1和w2，表示模型预测结果在整体预测中的重要性。
25、通过收集实时数据，使用预设规则自动调整统计-动力模型的参数，以及利用迭代优化技术遗传算法，在模型运行过程中得到最佳参数设置，动态更新统计-动力模型；通过机器学习模型监控并收集系统的性能指标数据，使用反馈计值优化机器学习模型，有效利用实时观测数据进行预测更新，提高预测的时效性和适应性；还通过定期使用增强学习方法，收集新的气象数据形成更新数据集，提高机器学习模型的性能，使模型能反映最新的环境和气旋变化，适应气旋的动态发展过程。
26、通过使用集成学习方法，将机器学习模型与统计-动力模型的输出结果结合，形成综合预测结果，减少单一模型的不确定性和偏差，确保模型预测气旋半径变化的稳定性和准确性，为气象预报和应急响应提供更可靠的支持。
本文档来自技高网...
【技术保护点】
1.一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：设有统计-动力模型与机器学习模型，
2.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述描述风速 V 的函数为
3.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述预设规则将统计-动力模型中变量的输入与输出缩放；再对误差函数应用罚项，将涡旋模型参数中超出范围的量乘以大系数，该大系数为10^6，增大均方根误差RMSE；最后将带有罚项的 RMSE 作为模型的损失函数，找出最小均方误差，得到调整后的涡旋模型参数。
4.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述遗传算法的步骤包括，
5.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述机器学习模型选择适用于处理时间序列和非线性关系的模型进行训练，选择对象包括随机森林、XGBoost和LSTM模型。
7.根据权利要求6所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述集成学习方法通过将机器学习和统计-动力模型的输出结果进行加权平均，得到综合预测结果，表达式为，其中，和为权重，为计器学习模型的预测结果，为统计-动力模型的预测结果；所述动态更新模型的调整公式为，其中，w为学习率，L为损失函数，为模型参数在 t时刻的参数基础上，调整后在时间步 t+1上更新的参数值，表示在时刻t，损失函数 L 对参数的梯度。
8.根据权利要求7所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述机器学习模型通过监控并收集系统的性能指标数据，使用反馈计值优化机器学习模型，偏差公式为，其中，表示预测值，表示真实值；优化模型后使用A/B测试评估模型效果；该机器学习模型还通过定期使用增强学习方法，收集新的气象数据形成更新数据集，提高机器学习模型的性能。
...【技术特征摘要】
1.一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：设有统计-动力模型与机器学习模型，
2.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述描述风速 v 的函数为
3.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述预设规则将统计-动力模型中变量的输入与输出缩放；再对误差函数应用罚项，将涡旋模型参数中超出范围的量乘以大系数，该大系数为10^6，增大均方根误差rmse；最后将带有罚项的 rmse 作为模型的损失函数，找出最小均方误差，得到调整后的涡旋模型参数。
4.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述遗传算法的步骤包括，
5.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述机器学习模型选择适用于处理时间序列和非线性关系的模型进行训练，选择对象包括随机森林、xgboost和lstm模型。
6.根据权利要求1所述一种基于统计-动力学与机器学习融合模型的热带气旋风半径预测系统，其特征在于：所述气象...
【专利技术属性】
技术研发人员：周必高，朱忠勇，王晶，谢海华，郑建琴，严睿恺，郑峰，
申请(专利权)人：温州市气象局，
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。