[发明专利]一种基于融合模型的快速预测台风路径的方法及其装置

说明书

本发明属于气象科学防灾减灾和气象预测技术领域，具体地说，涉及一种基于融合模型的快速预测台风路径的方法，该方法包括：将当前台风的一段观测路径数据输入至预先训练好的台风预测模型，得到当前台风在未来某一时刻的位置，记为路径预测点；根据需要设定未来预测的观测时间段，在该观测时间段内，以预先设定的时间步长为单位，对按照时间顺序得到的当前台风的多段观测路径，重复上述过程，得到多个路径预测点，再将该多个路径预测点连接在一起，形成在未来预测的观测时间段内，台风的预测路径。

技术领域

本发明属于气象科学防灾减灾和气象预测技术领域，具体地说，涉及一种基于融合模型的快速预测台风路径的方法及其装置。

背景技术

我国海岸线广阔，台风频发，快速准确预测台风行进位置，对减少沿海人民所受伤害和降低经济损失至关重要。台风发生位置十分广泛，每年都有部分台风会登陆我国东南沿海区域，此类台风对中国东南沿海地区的人民生活和经济发展，构成严重威胁，因此，对台风路径进行及时预报十分重要。

现今主流的预测方案是基于集合预报的方法，进行台风路径的预测，需要收集多个站点的观测数据，基于同化等模式，综合利用不同的动力学模型或者机构的预报，应用于业务预报中。但是由于模式运行，资料传输以及复杂的后处理等原因，资料获取存在滞后性，同时需要消耗大量的计算资源和时间。另一类基于统计数据衍生的相似法或者神经网络方法，这些方法只关注了数据中的部分特点，单一模型不能得到很好的预测效果，预测精度不高。如果能对不同模型的预测效果有效融合，可以大大降低预测误差，提高预测精度。

发明内容

为解决现有技术存在的上述缺陷，本发明提出了一种基于融合模型的快速预测台风路径的方法，该方法包括：

将当前台风的一段观测路径数据输入至预先训练好的台风预测模型，得到当前台风在未来某一时刻的位置，记为路径预测点；

根据需要设定未来预测的观测时间段，在该观测时间段内，以预先设定的时间步长为单位，对按照时间顺序得到的当前台风的多段观测路径，重复上述过程，得到多个路径预测点，再将该多个路径预测点连接在一起，形成在未来预测的观测时间段内，台风的预测路径。

作为上述技术方案的改进之一，所述台风预测模型包括：Att-LSTM组合模型、相似路径预测模型和二级融合模型；

将当前台风的一段观测路径数据输入至预先训练好的Att-LSTM组合模型，得到当前台风未来的台风路径第一预测结果；

将相同的当前台风的一段台风路径数据输入至相似路径预测模型，得到当前台风未来的台风路径第二预测结果；

将当前台风未来的台风路径第一预测结果和当前台风未来的台风路径第二预测结果输入至预先训练好的二级融合模型进行融合，得到当前台风在未来某一时刻的位置，记为路径预测点。

作为上述技术方案的改进之一，所述Att-LSTM组合模型包括：第一Att-LSTM模型和第二Att-LSTM模型；第一Att-LSTM模型和第二Att-LSTM模型均为基于注意力机制的长短时记忆神经网络模型；

当前台风的一段观测路径数据包括：多个串联在一起的当前台风的观测点；每个观测点包括当前台风的经度和纬度；

所述第一Att-LSTM模型包括：一个输入层、三个LSTM层、一个注意力层和一个输出层；

三个LSTM层彼此串联连接后，再与注意力层串联连接；

将每个观测点的当前台风的经度输入至输入层，每一个观测点的当前台风的经度传入对应的LSTM层，将得到的隐层输出再传入下一个LSTM层，将得到的下一层的隐层输出传入最后一个LSTM层，将得到的最后一个LSTM层的隐层输出传入注意力层，分配注意力得到权重，然后再将其传入输出层，输出层输出当前台风在未来某个时刻的经度；