基于深度学习的台风预测关键技术研究

发布时间：2023-03-19 07:48

　　台风是一种极端天气事件,每年夏季会对沿海地区城市经济造成重大损失,预测台风的形成和强度对台风灾害的预警至关重要。传统的基于热动力方程的数值预报方法和基于经验关系的统计预报方法现如今仍难以准确地预测台风强度。此外,一些研究虽然也尝试用机器学习方法进行预测来提高准确率,但通常没有考虑台风相关变量之间的时空关系。本文提出了一种基于深度学习的台风时空深度混合预测模型,可以弥补现有方法的不足之处。本文模型引入了三维卷积神经网络(3DCNN)和二维卷积神经网络(2DCNN)来学习台风相关大气海洋变量之间的空间关系,利用LSTM来学习台风变化过程中的时序关系。针对西太平洋(WP)、东太平洋(EP)、北大西洋(NA)三个海域的大量台风形成与强度预测实验表明,本文模型优于现有官方组织使用的诸多数值预报方法、统计预报方法和机器学习方法。台风24h形成预测实验中,本文模型能达到的最高准确率为85.2%,Auc值(ROC曲线下的面积)为92.2%,24h强度预测实验中,最小误差为7.4kt(1kt=0.512m/s)。并且在参数分析时发现,模型训练时的超参数如学习速率最好设置为10-4的量级,并在25～35个...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 本文工作
    1.3 论文结构
第二章 相关研究方法
    2.1 相关台风预测方法
        2.1.1 数值预报方法
        2.1.2 统计预报方法
        2.1.3 机器学习方法
    2.2 相关深度学习网络
        2.2.1 前馈神经网络
        2.2.2 卷积神经网络(CNN)
        2.2.3 长短期记忆神经网络(LSTM)
第三章 基于深度学习的台风时空深度混合预测模型
    3.1 引言
    3.2 问题定义
    3.3 模型框架
        3.3.1 海表变量X^S二维空间关系的特征学习
        3.3.2 大气变量X^P三维空间关系的特征学习
        3.3.3 台风变化过程中时序关系的特征学习
    3.4 实现方法
        3.4.1 实现平台
        3.4.2 实现流程
第四章 基于时空深度混合预测模型的台风形成及强度预测
    4.1 台风数据集和气象海洋再分析数据集的获取
    4.2 基于台风时空深度混合预测模型的台风形成预测
        4.2.1 实验数据集的构造与预处理
        4.2.2 评价指标与损失函数
        4.2.3 网络设置
        4.2.4 对比方法
        4.2.5 结果分析
        4.2.6 参数分析
    4.3 基于台风时空深度混合预测模型的台风强度预测
        4.3.1 实验数据集的构造与预处理
        4.3.2 评价指标与损失函数
        4.3.3 网络设置
        4.3.4 对比方法
        4.3.5 结果分析
    4.4 模型预测实验总结
第五章 总结与展望
    5.1 研究工作总结
    5.2 未来工作展望
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3764864