基于CNN-typhoon模型的全球台风报文收集方法研究

发布时间：2023-04-21 19:34

　　台风是一种高影响的强对流天气系统。台风报文资料作为提供台风初值的最初来源,对改进台风预报准确性有一定的帮助,因此做好全球台风的报文快速识别收集工作至关重要。针对现有全球台风报文实时性差、延迟高、报文被动接收的问题,本研究利用MSG,Meteosat-5,MTSAT,GOES-W,GOES-E卫星图像数据,通过训练2006年1月-2020年8月的1 351次全球热带气旋过程,共计8 983张红外卫星图像,基于深度学习算法,提出了一种CNN-typhoon模型,可以对无台风、台风生成、台风最强等3种图像进行识别分类。实验证明:CNN-typhoon模型训练集的识别精度可接近100%,验证集精度高于88.1%;同时将模型代入模拟业务,在一定时段内增加了接近31.0%的报文收集种类,报文收集时效提高了23.5倍。

【文章页数】：7 页

【文章目录】：
1 引言
2 相关工作
    2.1 全球海域的划分及所属编报中心的分工
    2.2 收集现状
    2.3 存在问题
3 台风报文收集改进方案
    3.1 方案概况
    3.2 CNN模型特征
        3.2.1 图像分类
        3.2.2 CNN-typhoon模型
4 CNN-typhoon模型实现
    4.1 样本分类与选择
    4.2 CNN-typhoon模型评价
        4.2.1 目标为2分类(CNN-typhoon-2)
        4.2.2 目标为3分类(CNN-typhoon-3)
    4.3 改进效果



本文编号：3796120