基于Seq2Seq和Attention的时序卫星云图台风等级预测

发布时间：2021-08-10 15:44

　　台风预测可为台风预警预报提供先验信息,辅助相关部门进行科学决策,以减少灾害损失。利用时间序列台风卫星云图,提出一种新的台风等级预测模型SeqTyphoon,将注意力机制和序列到序列引入模型预测未来时刻台风图像,然后利用卷积神经网络对预测的台风图像进行台风等级预测。通过日本气象厅发布的1981—2017年3万多张时序台风卫星云图,构建了训练集、验证集和测试集,分别对应29 519、3 804、1 995张台风图像。针对SeqTyphoon模型,分别进行了台风云图的不同时间间隔、不同预测时长及不同空间分辨率对台风图像预测精度影响的对比实验。实验结果表明,台风云图均为32像素×32像素,时间间隔为6h比时间间隔为12h的训练集和验证集的均方根误差分别降低5.41%、5.72%,前者训练集的均方根误差达到0.092 2,验证集为0.095 4,前者台风等级预测准确率为后者的2倍;台风云图为32像素×32像素,时间间隔为6h时,预测未来6～48h的台风图像,训练集和验证集的均方根误差均递增,台风等级预测准确率递减;时间间隔为6h,图像为64像素×64像素的训练集的均方根误差为0.089 6,验证... 

【文章来源】：遥感信息. 2020,35(04)北大核心CSCD

【文章页数】：7 页

【部分图文】：

200416号台风过程图像

卷积神经网络[23]是提取高级语义特征表现最好的算法，通过对图像的逐层卷积提取更加抽象的特征，越抽象的特征越能够表现图像的语义信息，并在图像的分类中表现出更好的性能[24]。因此，为进一步衡量预测的台风云图质量，利用卷积神经网络，对预测出的图像进行台风等级分类。本文构建的台风图像预测模型SeqTyphoon如图2所示。1.3 模型评估方法

3）图像信息熵。图像信息熵是一种图像特征的统计形式，它反映了图像中平均信息量的多少。图像的一维熵表示图像中灰度分布的聚集特征所包含的信息量。2 实验结果与分析

【参考文献】：
期刊论文
[1]面向卫星云图及深度学习的台风等级分类[J]. 邹国良,侯倩,郑宗生,黄冬梅,刘兆荣.  遥感信息. 2019(03)
[2]基于ADCIRC水动力模型的台风风暴潮预报模型验证[J]. 刘克强,袁杰颖,陈文召,陈永平.  水利水电快报. 2019(04)
[3]基于改进激活函数的用于台风等级分类的深度学习模型[J]. 郑宗生,刘兆荣,黄冬梅,宋巍,邹国良,侯倩,郝剑波.  计算机科学. 2018(12)
[4]面向大规模图像分类的深度卷积神经网络优化[J]. 白琮,黄玲,陈佳楠,潘翔,陈胜勇.  软件学报. 2018(04)
[5]基于气象大数据的台风强度预测统计模型研究[J]. 汤婷婷,李晴岚,李广鑫,彭玉龙.  集成技术. 2016(02)
[6]台风数值预报技术研究进展[J]. 马鹏辉,杨燕军,刘铁军.  山东气象. 2015(01)
[7]利用一个海气耦合模式对台风Krovanh的模拟[J]. 蒋小平,刘春霞,齐义泉.  大气科学. 2009(01)
[8]积云参数化对0613号台风“珊珊”数值模拟的影响研究[J]. 吴林,王刚,沈晗,李江南.  气象研究与应用. 2008(04)

硕士论文
[1]基于雷达图像的台风云系识别以及台风中心定位方法研究[D]. 许晋玮.天津大学 2010
[2]基于气象卫星云图的云类识别及台风分割和中心定位研究[D]. 余建波.武汉理工大学 2008



本文编号：3334338