[发明专利]一种预测台风路径的方法、系统、存储介质及设备

说明书

本发明提供了一种预测台风路径的方法、系统、存储介质及设备，方法包括：收集已有的多个台风记录作为样本，分别提取各个该样本的特征信息，基于该样本的特征信息搭建台风样本库；为该台风样本库中的该样本匹配对应的气象云图组，并在该气象云图组中识别出对应的台风中心数据集；搭建预测模型，并基于该台风样本库中各个该样本的特征信息、各个该样本的气象云图组以及各个该样本对应的台风中心数据集进行预测模型的训练；利用训练后的预测模型进行台风路径的预测。本发明提高了台风预测的准确性，为台风路径的预报提供了新的解决方案和有效的技术支持。

技术领域

本发明涉及气象预测技术领域，尤其涉及台风的预测领域，具体涉及一种预测台风路径的方法、系统、存储介质及设备。

背景技术

台风是一种起源于赤道附近热带洋面的低压气旋。夏秋季节赤道附近的热带洋面日照充分，致海水被日照辐射蒸发上升到空中，形成低压系统。在地球的地转偏向力和日照对气压的影响下，被蒸发到空气中的水蒸气在北半球呈逆时针旋转、在南半球呈顺时针旋转，形成空气涡旋。若日照持续充分，该空气涡旋便会在蒸发的水汽和地转偏向力持续影响下不断增大，当其涡旋中心风速达到一定条件，便形成了台风。

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。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。

台风路径的预测问题关系到国家和地区的国计民生，因此国内外许多学者对其预测的方法和模型做了仔细深入的研究。台风的路径预测侧重于对台风及其周边大气环流背景的研究，环流的方向很大程度上决定台风的移动方向，因此属于大尺度问题。

主要预测方法可以分为经验方法和客观方法两大类。其中，经验方法属于主观定量方法，往往通过天气图等气象因子并结合历史相似气象情况，预测未来的台风路径与强度。客观预报主要分为三种方法：基于动力学台风预报方法、基于统计学台风预报方法和基于统计动力学台风预报方法。目前，实务性的台风预测方法主要使用主客观方法结合得到最终预报结果。

基于动力学台风预报方法，又称为数值台风预报方法，是目前台风客观预报所采用的主要方法。该预测方法是基于空气动力学和热动力学原理，通过分析影响台风路径与强度的气象因子和物理过程如辐射、感热交换、地形影响等因素，构建大气动力学方程，以数学建模的方式预测未来台风的路径与强度。由于该方法所搭建方程复杂难以求出解析解，因此往往需要借助大型超级计算机求解出其数值解以完成预测。

基于统计学台风预报方法，是根据数理统计方法对大量的历史资料进行统计分析，找出天气变化蕴含的统计规律及预报因子与预报量之间的方程关系，一般采用回归方程搭建统计数学模型。与动力学预报方式相比，统计学预报方法并不涉及大量复杂的数值计算，因此一定程度上节省了计算资源，但也存在无法覆盖统计以外的异常情况等问题。

20世纪末到21世纪初，研究重心从线性特点转向非线性特点，机器学习的方法开始广泛应用在台风预报问题上。比较有代表性的模型如支持向量机(Support VectorMachine，SVM)和人工神经网络(Artificial Neural Networks，ANN)。利用机器学习的非线性特征提取能力来模拟台风的非线性特性的尝试，为后续台风路径的研究打开了一个新的思路。

然而，现有的上述预报方法仍或多或少存在缺陷。

对于动力学台风预报方法，需要根据动力学和热动力学的知识为未来的大气状态搭建热动力学偏微分方程，但该方程组不存在解析解，因此需要利用数值分析的方法求其数值解。由于早期计算资源不足，无法获得精度很高的解析解。虽然目前计算资源充足，但由于大气资料和方程的复杂性，该方程的数值求解过程仍需要借助超级计算机进行计算，因而使预测成本过大而不易推广，且由于气象观测资料可能存在较大的误差，因此该方法对资料质量、观测技术和算力要求很高。