[发明专利]一种基于多通道智能模型的ENSO预测方法及装置

说明书

本发明涉及一种基于多通道智能模型的ENSO预测方法及装置，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，包括：1)基于ENSO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；4)选定若干ENSO典型事件，基于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。与现有技术相比，本发明具有植性强、计算花销低、准确性高等优点。

技术领域

本发明涉及气象预测及其应用领域，尤其是涉及一种基于多通道智能模型的ENSO预测方法及装置。

背景技术

ENSO(ElSouthern Oscillation)是地球系统中重要的气候变化现象，可以通过海气耦合以及大气遥相关等过程影响全球的天气和气候变化，对人类经济社会以及自然环境造成重大影响。因此，ENSO实际预测技巧的提高在过去几十年中受到了广泛关注。目前主要基于动力数值模式开展ENSO预测，其核心是基于一系列物理方程模拟大气海洋的变化。同时，为了使预测更加准确，研究人员一方面致力于探索影响ENSO的物理过程，如对ENSO早期信号的识别；一方面不断优化观测策略，如目标观测，其核心是识别敏感区，以指导观测系统的最优配置。然而，由于ENSO系统的复杂性以及动力模式自身的局限性，准确模拟ENSO仍存在瓶颈，且如何在保证高准确率预测结果的同时降低计算和存储资源成为目前亟待解决的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多通道智能模型的ENSO预测方法及装置。

本发明的目的可以通过以下技术方案来实现：

第一方面，本发明提供了一种基于多通道智能模型的ENSO预测方法，用于实现ENSO预测、早期信号识别以及目标观测敏感区识别，该方法包括基于ENSO多通道智能预测模型的构建、预测、早期信号识别及目标观测敏感区识别四个部分：

对于模型构建(记作流程A)，包括以下步骤：

A.1.选定与ENSO相关的海气多变量气象资料，构建多通道编码模块，用于模拟ENSO气候中大气、海表面、次表层过程的相互作用；

A.2.根据预测目标，即赤道太平洋海表温度变化构建特征解码模块；

A.3.设计用于连接编码器与解码器之间的特征传输模块；

A.4.设计适用于ENSO预测问题的目标函数组合。

对于模型预测(记作流程B)，包括以下步骤：

B.1.选定初始场，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；

B.2.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；

B.3.将提取后的特征输入解码模块进行特征还原，得到ENSO相关物理场的未来演化序列；

B.4.根据ENSO相关物理场的预测预测结果，计算与ENSO相关的多种指数及评价指标。

对于ENSO的早期信号识别(记作流程C)，包括以下步骤：

C.1.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，收集预测结果序列作为样本；

C.2.基于显著性分析(一种深度神经网络的可解释性方法)，计算每个样本的显著性图；