针对热带气旋识别的大规模深度学习算法研究

发布时间：2022-12-04 17:15

　　热带气旋是通常发源于热带或副热带地区洋面上的一种剧烈的天气现象,是我国重要的自然灾害之一。为了研究热带气旋的发生机理、生命周期甚至是发展趋势,首先要对其进行有效的识别。借助卫星得到的观测数据往往不够精确,而热带气旋本身破坏力强大,近距离的观测难度很大。因此,气候学家通常借助超级计算机上的气候模拟软件进行模拟,再根据多个变量的阈值条件对其进行经验性的判定,不同气候学家的判定标准往往不一致,这不利于成果的客观化。目前,气候研究领域已经有一些借助神经网络对科学数据进行分析处理的先例。本课题利用深度学习方法实现了大规模、像素级别的气候模式分割,尝试从复杂的气候科学数据中学习一种普适的模式,避免主观阈值带来的影响。基于“天河二号”超级计算机,我们利用CESM中的CAM5模块生成了 0.5度空间分辨率的5年气候模拟数据集。进而,提出了将传统的气候模拟数据转换为神经网络训练数据的一套完整的方案。通过利用TECA工具对气旋中心的标定、数据标签的预处理和其他一系列的标签生成算法,以及一系列的数据后处理与规整策略,可以有效、批量的将科学模拟数据转换为训练数据文件。最后,本课题立足于科学数据集的整体规模较大... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 本文选题及研究背景
    1.2 传统的气旋识别研究方法
    1.3 研究动机与主要工作
    1.4 本文组织结构
第2章 相关背景介绍
    2.1 CESM与CAM5模块简介
        2.1.1 CESM
        2.1.2 CAM5模块介绍
        2.1.3 课题所用数据通道及其物理意义
    2.2 TECA工具包简介
    2.3 “天河二号”超级计算机简介
    2.4 本章小结
第3章 数据生成与标签构造
    3.1 CESM系统部署与原始数据生成
        3.1.1 CAM5的Case配置与数据生成
        3.1.2 气旋中心的标定与风场数据的添加
    3.2 数据标签的构造
        3.2.1 数据标签的形式
        3.2.2 数据标签的预处理
        3.2.3 数据标签的生成算法
    3.3 数据集的后处理与规整
    3.4 本章小结
第4章 网络模型的设计与优化
    4.1 研究特点分析
    4.2 深度神经网络结构
    4.3 损失函数与学习率
        4.3.1 损失函数设计
        4.3.2 优化器与学习率调节
    4.4 网络的搭建与优化
    4.5 本章小结
第5章 实验结果与性能评估
    5.1 实验环境介绍
    5.2 数据生成与标签构造
    5.3 网络性能与效果分析
        5.3.1 语义分割的评估指标mIOU
        5.3.2 训练与效果分析
        5.3.3 对比实验结果与分析
        5.3.4 消融实验结果与分析
    5.4 本章小结
第6章 总结与展望
    6.1 课题总结
    6.2 课题展望
参考文献
致谢
攻读学位期间发表的学术论文和参加项目科研情况
学位论文评阅及答辩情况表


【参考文献】：
期刊论文
[1]基于风场数据的气旋和反气旋自动识别算法[J]. 庄硕,王萍,侯洁.  天津大学学报(自然科学与工程技术版). 2017(12)
[2]CAM5模式中两气溶胶模块的评估[J]. 李鑫,刘煜.  应用气象学报. 2013(01)
[3]一种识别热带气旋降水的数值方法[J]. 任福民,Byron Gleason,David Easterling.  热带气象学报. 2001(03)
[4]我国热带气旋研究十年进展[J]. 陈联寿,孟智勇.  大气科学. 2001(03)



本文编号：3708670