[发明专利]一种基于TCN网络模型台风登陆强度预测方法和系统

权利要求书

1.一种基于TCN网络模型台风登陆强度预测方法，其特征在于，包括如下步骤：

(1)获取台风发生的历史数据，包括台风中心与登陆地点之间相距设定距离时的台风因子和台风登陆时的强度；

(2)建立TCN网络模型，采用所述历史数据对所建立的TCN网络模型进行训练，得到训练后的TCN网络模型；

(3)获取台风运行的路径，并在台风中心与登陆地点之间相距设定距离时获取其台风因子，结合所述训练后的TCN网络模型，得到其登陆时的强度。

2.根据权利要求1所述的基于TCN网络模型台风登陆强度预测方法，其特征在于，所述步骤(3)中获取台风运行路径的方法为：获取历史数据中各次台风的运行轨迹；将当前台风的运行轨迹与历史数据中各次台风的运行轨迹进行匹配，得到与其相似度最高的台风运行轨迹，并将该台风运行轨迹作为当前台风的运行轨迹。

3.根据权利要求2所述的基于TCN网络模型台风登陆强度预测方法，其特征在于，判断两段台风运动的轨迹相似度的方法为：将台风运行轨迹的经纬度坐标转换为通用横轴墨卡托投影坐标系；计算两段运行轨迹中每点之间的空间距离；计算两段运行轨迹中每点之间的预测距离；计算两段运行轨迹中每段间距离；计算两段运行轨迹的累积距离；将得到的累积距离进行归一化处理，累积距离越大，则两段运行轨迹的相似度越高。

4.根据权利要求1所述的基于TCN网络模型台风登陆强度预测方法，其特征在于，所述步骤(2)中的卷积神经网络模型为

TCN网络模型的输出为

o＝RELU(z+F(z))

其中d为扩张因子，取值为d＝{1,2,…,2n}，n为TCN网络模型中隐藏层层数；k为滤波器的数量，f(i)为第i个滤波器，F(z)为膨胀因果卷积后的结果,z_i为第i个台风因子z为膨胀因果卷积的输入，F(z)为膨胀因果卷积后的结果。

5.根据权利要求1所述的基于TCN网络模型台风登陆强度预测方法，其特征在于，所述台风因子包括台风的径向风强度、纬向风强度、位势高度和相对湿度。

6.一种基于TCN网络模型台风登陆强度预测系统，包括处理器和存储器，所述存储器上存储有用于在所述处理器上执行的计算机程序；其特征在于，所述处理器执行所述计算出程序时，实现如下所述的台风强度预测方法：

(1)获取台风发生的历史数据，包括台风中心与登陆地点之间相距设定距离时的台风因子和台风登陆时的强度；

(2)建立TCN网络模型，采用所述历史数据对所建立的TCN网络模型进行训练，得到训练后的TCN网络模型；

(3)获取台风运行的路径，并在台风中心与登陆地点之间相距设定距离时获取其台风因子，结合所述训练后的TCN网络模型，得到其登陆时的强度。

7.根据权利要求6所述的基于TCN网络模型台风登陆强度预测系统，其特征在于，所述步骤(3)中获取台风运行路径的方法为：获取历史数据中各次台风的运行轨迹；将当前台风的运行轨迹与历史数据中各次台风的运行轨迹进行匹配，得到与其相似度最高的台风运行轨迹，并将该台风运行轨迹作为当前台风的运行轨迹。

8.根据权利要求7所述的基于TCN网络模型台风登陆强度预测系统，其特征在于，判断两段台风运动的轨迹相似度的方法为：将台风运行轨迹的经纬度坐标转换为通用横轴墨卡托投影坐标系；计算两段运行轨迹中每点之间的空间距离；计算两段运行轨迹中每点之间的预测距离；计算两段运行轨迹中每段间距离；计算两段运行轨迹的累积距离；将得到的累积距离进行归一化处理，累积距离越大，则两段运行轨迹的相似度越高。