[发明专利]一种基于多通道智能模型的ENSO预测方法及装置

权利要求书

1.一种基于多通道智能模型的ENSO预测方法，用于实现ENSO预测、ENSO早期征兆识别以及目标观测敏感区识别，其特征在于，该方法包括下列步骤：

1)获取与ENSO相关的大气海洋气象数据，基于与ENSO相关的大气海洋气象数据相互作用的特点，构建ENSO多通道智能模型并进行训练；

2)确定预测目标的初始场并进行预处理，输入训练后的多通道智能模型，对未来ENSO的发展进行预测模拟；

3)对于ENSO发生的每一不同类型，选定若干实例，基于步骤2)中ENSO多通道智能模型对每一实例进行显著性分析，获取每种事件类型的初始扰动分布，进而对ENSO的早期信号进行识别；

4)选定若干ENSO典型事件，基于步骤2)中ENSO多通道智能模型进行显著性分析，并通过敏感性实验识别ENSO目标观测敏感区，并计算预报收益。

2.根据权利要求1所述的基于多通道智能模型的ENSO预测方法，其特征在于，步骤1)中，构建ENSO多通道智能模型的具体步骤包括：

11)选定与ENSO相关的海气多变量气象资料，构建适用于多变量耦合的多通道编码模块；

12)根据模拟目标构建特征解码模块；

13)构造用于连接多通道编码模块与特征解码模块之间的特征传输模块；

14)构造适用于ENSO模拟问题的目标函数组合。

3.根据权利要求1所述的基于多通道智能模型的ENSO预测方法，其特征在于，步骤2)中，对未来ENSO的发展进行预测模拟的具体步骤包括：

21)选定模拟的初始场，对不同气象资料中不同变量的初始场序列进行数据预处理，输入ENSO多通道智能预测模型；

22)输入初始场，在多通道智能预测模型的编码模块中进行特征提取，确定不同时空尺度上的特征；

23)将提取后的特征输入解码模块进行特征还原，获取ENSO相关物理场的未来演化序列；

24)根据ENSO相关物理场的预测模拟结果，计算与ENSO相关的多种指数及评价指标。

4.根据权利要求1所述的基于多通道智能模型的ENSO预测方法，其特征在于，步骤3)中，对ENSO的早期信号进行识别的具体步骤包括：

31)根据ENSO所发生的不同类型，每种类型选定若干事件实例，将事件的初始场输入ENSO多通道智能模型进行预测，收集模拟结果序列作为样本；

32)基于显著性分析，计算每个样本的显著性图；

33)将每种类型的ENSO事件样本所获得的显著性图相加得到复合显著性图，其大值区即为此类型事件的早期信号。

5.根据权利要求1所述的基于多通道智能模型的ENSO预测方法，其特征在于，步骤4)中，通过敏感性实验识别ENSO目标观测敏感区，并计算预报收益的具体步骤包括：

41)选定历史上发生的ENSO典型事件，将每个事件的初始场输入ENSO多通道智能模型进行预测，收集模拟结果序列作为样本；

42)基于显著性分析计算每个样本的显著性图，并将所获得的显著性图进行相加得到复合显著性图；

43)根据复合显著性图，定义若干大值区作为参选敏感区，进行敏感性实验，选择敏感性最高的区域作为目标观测敏感区；

44)根据识别的敏感区，计算预报收益。