基于深度学习的台风路径与强度预测方法研究
发布时间：2021-03-19 14:51
我国地处世界台风高发的西北太平洋区域,每年夏秋台风季我国沿海地区都会因台风灾害造成不同程度经济损失和人员伤亡,准确预测台风的路径与强度对我国沿海地区的气象灾害防治有着重要的意义。目前基于深度学习的台风预测方法还处于探索阶段,已有研究大部分仅基于台风的二维时序特征,并没有充分利用台风的三维时序特征,从而无法融合不同模态之间的特征信息,易造成预测精度不高的问题。本文重点针对台风预报中的多模态异构时序特征融合与挖掘问题,研究基于深度学习的台风路径预测和台风强度预测方法,主要内容如下:在台风路径预测方面,针对预处理阶段的台风数据集质量评估问题,本文提出使用自相关系数评估数据集CLIPER特性的方法;针对模型训练阶段影响台风路径等压面的选择问题,本文引入残差学习的通道注意力机制（Residual Channel Attention,Re CA）以自动选择高响应等压平面;针对模型训练阶段的传统Conv LSTM无法提取大尺度深层非线性特征的问题,本文提出了迭代卷积GRU方法（Multi-Conv GRU）,并在wide&deep框架下融合台风二维、三维时序异构特征。实验表明利用本文所提方法...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图2-1台风结构
哈尔滨工业大学（深圳）工学硕士学位论文-11-平洋区域、北印度洋区域、西南印度洋区域、东南印度洋区域和西南太平洋区域。具体如图2-2所示。图2-2全球台风高发区域划分由于我国毗邻西北太平洋区域，而该区域更是全球台风最高发的区域，因此研究西北太平洋区域台风路径的特点，对我国沿海地区灾害防控有重要意义。在西北太平洋区域的台风生成后，主要受到副热带高压的影响。由于副热带高压中的气压梯度指向赤道，在地球的地转偏向力的作用下，容易形成盛行西风。因此西北太平洋区域形成的台风一般具有西行特点。西北太平洋的台风路径主要分为：西进型、西北型、转向型和迷走型。西进型台风路径主要是受到盛行西风的影响，当副热带高压出现南移的情况，路径会出现偏南。西北型台风路径主要是盛行西风的北方向分量增加导致；转向型台风路径，主要是台风先西进转北后再往东北方向前进，形成一条抛物线形状的台风，出现该路径可能的原因是台风行进时穿过了副热带高压区域或其他地域因素导致；迷走型台风，可能会出现停滞、打转等情况，目前发生机理尚不明确，可能是受到不明气流引导或其他天气系统影响所导致的。了解台风的路径可以使我们更好地预测台风登陆的自然规律，而了解台风的强度则可以让我们更好地了解台风登陆后所造成的破坏程度。台风的强度是指台风中心的风力大小，我国一般采用2分钟持续最大风速来判定台风的强度。根据台风中心风力的大小，我国对台风强度等级做出了如表2-1的划分。表2-1台风强度等级划分台风等级风速数值弱热带低压≤10.8m/s热带低压10.8m/s-17.1m/s热带风暴17.2m/s-24.4m/s强热带风暴24.5m/s-32.6m/s台风32.7m/s-41.4m/s强台风41.5m/s-50.9m/s超强台风≥51.0m/s
哈尔滨工业大学（深圳）工学硕士学位论文-13-n为因子总数，w=[1,2,…,]为回归模型参数，b为模型的偏置。在(2-1)式子中，气候因子是指由再分析数据所刻画的大气环境中的各种影响气候变化的因子如：风速、气温、湿度等等的信息。由于再分析数据维度高，往往需要降维处理后才作为CLIPER方法的因子；持续因子是指台风作为一个二维平面中曲线，其轨迹具有一定的运动规律性。该部分特征一般根据台风的中心经度、中心纬度、中心风速和中心气压等基础描述信息，以及常用物理与统计变量构建出的因子。(2)RNN模型深度学习是一种具有强大表征能力的方法，随着深度学习技术的不断发展，目前多种深度学习框架已经在多个领域取得突破性发展，其中RNN便是其中一种重要的深度学习框架。RNN是一种以序列数据为输入，并不断地在序列的演进方向进行递归，且所有神经单元链式连接在一起的神经网络。自Hochreiter[25]于1991年提出长短期记忆网络(LongShort-TermMemorynetworks,LSTM)解决RNN模型无法学习长时间序列信息的长期依赖问题后，RNN模型逐渐走向成熟。LSTM针针对长期依赖问题新增了状态单元，该单元只受当前时刻输入和上一时刻的输出影响，因此长期记忆信息得到改善。此外，新增的遗忘门控制了上一时刻输出和记忆单元对当前单元的影响程度，输入门则控制了当前输入对状态单元的影响程度，输出门则控制当前输出内容的输入比例。LSTM原理图如图2-3所示。图2-3LSTM原理图[25]其中，遗忘门计算公式如(2-2)式所示：=σ(+1+1)(2-2)输入门计算公式如(2-3)式所示：i=σ(+1+1)(2-3)当前记忆单元计算公式如(2-4)-(2-5)式所示：=tan(+1)(2-4)
【参考文献】：
期刊论文
[1]2017年西北太平洋和南海热带气旋预报精度评定[J]. 陈国民,张喜平,白莉娜,万日金. 气象. 2019(04)
[2]2016年西北太平洋和南海热带气旋预报精度评定[J]. 陈国民,张喜平,白莉娜,万日金. 气象. 2018(04)
[3]模式分类中的特征融合方法[J]. 刘渭滨,邹智元,邢薇薇. 北京邮电大学学报. 2017(04)
[4]2015年西北太平洋热带气旋预报精度评定[J]. 陈国民,白莉娜,万日金. 气象. 2017(04)
[5]GRAPESGFS全球中期预报系统的研发和业务化[J]. 沈学顺,苏勇,胡江林,王金成,孙健,薛纪善,韩威,张红亮,陆慧娟,张华,陈起英,刘艳,刘奇俊,马占山,金之雁,李兴良,刘琨,赵滨,周斌,龚建东,陈德辉,王建捷. 应用气象学报. 2017(01)
[6]西北太平洋热带气旋强度统计动力预报的改进模型[J]. 杨玉震,王耀领,胡邦辉,余运河,胡佳宁. 海洋预报. 2010(03)
[7]基于动力统计模型重构的副热带高压中长期预报[J]. 洪梅,张韧,何金海. 气象学报. 2006(06)
[8]几种台风风暴潮预报方法在实际预报中的运用及比较[J]. 易笑园,余文韬,闫智超,李胜山. 海洋预报. 2006(04)
[9]集合预报的现状和前景[J]. 杜钧. 应用气象学报. 2002(01)
[10]MM5在上海区域气象中心数值预报中的改进和应用[J]. 顾建峰,殷鹤宝,徐一鸣,蒋贤安,梁旭东. 应用气象学报. 2000(02)
本文编号：3089757
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
图2-1台风结构
哈尔滨工业大学（深圳）工学硕士学位论文-11-平洋区域、北印度洋区域、西南印度洋区域、东南印度洋区域和西南太平洋区域。具体如图2-2所示。图2-2全球台风高发区域划分由于我国毗邻西北太平洋区域，而该区域更是全球台风最高发的区域，因此研究西北太平洋区域台风路径的特点，对我国沿海地区灾害防控有重要意义。在西北太平洋区域的台风生成后，主要受到副热带高压的影响。由于副热带高压中的气压梯度指向赤道，在地球的地转偏向力的作用下，容易形成盛行西风。因此西北太平洋区域形成的台风一般具有西行特点。西北太平洋的台风路径主要分为：西进型、西北型、转向型和迷走型。西进型台风路径主要是受到盛行西风的影响，当副热带高压出现南移的情况，路径会出现偏南。西北型台风路径主要是盛行西风的北方向分量增加导致；转向型台风路径，主要是台风先西进转北后再往东北方向前进，形成一条抛物线形状的台风，出现该路径可能的原因是台风行进时穿过了副热带高压区域或其他地域因素导致；迷走型台风，可能会出现停滞、打转等情况，目前发生机理尚不明确，可能是受到不明气流引导或其他天气系统影响所导致的。了解台风的路径可以使我们更好地预测台风登陆的自然规律，而了解台风的强度则可以让我们更好地了解台风登陆后所造成的破坏程度。台风的强度是指台风中心的风力大小，我国一般采用2分钟持续最大风速来判定台风的强度。根据台风中心风力的大小，我国对台风强度等级做出了如表2-1的划分。表2-1台风强度等级划分台风等级风速数值弱热带低压≤10.8m/s热带低压10.8m/s-17.1m/s热带风暴17.2m/s-24.4m/s强热带风暴24.5m/s-32.6m/s台风32.7m/s-41.4m/s强台风41.5m/s-50.9m/s超强台风≥51.0m/s
哈尔滨工业大学（深圳）工学硕士学位论文-13-n为因子总数，w=[1,2,…,]为回归模型参数，b为模型的偏置。在(2-1)式子中，气候因子是指由再分析数据所刻画的大气环境中的各种影响气候变化的因子如：风速、气温、湿度等等的信息。由于再分析数据维度高，往往需要降维处理后才作为CLIPER方法的因子；持续因子是指台风作为一个二维平面中曲线，其轨迹具有一定的运动规律性。该部分特征一般根据台风的中心经度、中心纬度、中心风速和中心气压等基础描述信息，以及常用物理与统计变量构建出的因子。(2)RNN模型深度学习是一种具有强大表征能力的方法，随着深度学习技术的不断发展，目前多种深度学习框架已经在多个领域取得突破性发展，其中RNN便是其中一种重要的深度学习框架。RNN是一种以序列数据为输入，并不断地在序列的演进方向进行递归，且所有神经单元链式连接在一起的神经网络。自Hochreiter[25]于1991年提出长短期记忆网络(LongShort-TermMemorynetworks,LSTM)解决RNN模型无法学习长时间序列信息的长期依赖问题后，RNN模型逐渐走向成熟。LSTM针针对长期依赖问题新增了状态单元，该单元只受当前时刻输入和上一时刻的输出影响，因此长期记忆信息得到改善。此外，新增的遗忘门控制了上一时刻输出和记忆单元对当前单元的影响程度，输入门则控制了当前输入对状态单元的影响程度，输出门则控制当前输出内容的输入比例。LSTM原理图如图2-3所示。图2-3LSTM原理图[25]其中，遗忘门计算公式如(2-2)式所示：=σ(+1+1)(2-2)输入门计算公式如(2-3)式所示：i=σ(+1+1)(2-3)当前记忆单元计算公式如(2-4)-(2-5)式所示：=tan(+1)(2-4)
【参考文献】：
期刊论文
[1]2017年西北太平洋和南海热带气旋预报精度评定[J]. 陈国民,张喜平,白莉娜,万日金. 气象. 2019(04)
[2]2016年西北太平洋和南海热带气旋预报精度评定[J]. 陈国民,张喜平,白莉娜,万日金. 气象. 2018(04)
[3]模式分类中的特征融合方法[J]. 刘渭滨,邹智元,邢薇薇. 北京邮电大学学报. 2017(04)
[4]2015年西北太平洋热带气旋预报精度评定[J]. 陈国民,白莉娜,万日金. 气象. 2017(04)
[5]GRAPESGFS全球中期预报系统的研发和业务化[J]. 沈学顺,苏勇,胡江林,王金成,孙健,薛纪善,韩威,张红亮,陆慧娟,张华,陈起英,刘艳,刘奇俊,马占山,金之雁,李兴良,刘琨,赵滨,周斌,龚建东,陈德辉,王建捷. 应用气象学报. 2017(01)
[6]西北太平洋热带气旋强度统计动力预报的改进模型[J]. 杨玉震,王耀领,胡邦辉,余运河,胡佳宁. 海洋预报. 2010(03)
[7]基于动力统计模型重构的副热带高压中长期预报[J]. 洪梅,张韧,何金海. 气象学报. 2006(06)
[8]几种台风风暴潮预报方法在实际预报中的运用及比较[J]. 易笑园,余文韬,闫智超,李胜山. 海洋预报. 2006(04)
[9]集合预报的现状和前景[J]. 杜钧. 应用气象学报. 2002(01)
[10]MM5在上海区域气象中心数值预报中的改进和应用[J]. 顾建峰,殷鹤宝,徐一鸣,蒋贤安,梁旭东. 应用气象学报. 2000(02)
本文编号：3089757
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3089757.html
