[发明专利]基于机器学习的热带气旋强度监测方法、装置和设备

权利要求书

1.一种基于机器学习的热带气旋强度监测方法，其特征在于，所述方法包括：

获取设定区域范围和设定时间范围内热带气旋的卫星云图数据集和最佳路径数据集，根据所述卫星云图数据集的时间序列对所述最佳路径数据集进行线性内插，得到优化后的最佳路径数据集，将所述优化后的最佳路径数据集和所述卫星云图数据集进行组合，构建得到插值扩充数据集；

通过随机划分方法将所述插值扩充数据集划分为训练集和测试集，根据所述训练集中的卫星云图数据和最佳路径数据进行计算，获取影响热带气旋强度的先验物理因子；其中，所述先验物理因子包括结构形态因子、深对流因子和背景场因子；

将所述先验物理因子输入预先构建的基于多类机器学习算法优化集成的热带气旋强度智能监测模型，并通过设置所述热带气旋强度智能监测模型的相关参数进行训练，得到训练好的热带气旋强度智能监测模型；

将所述测试集中的先验物理因子输入所述训练好的热带气旋强度智能监测模型进行强度预测，得到热带气旋预测强度。

2.根据权利要求1所述的方法，其特征在于，获取设定区域范围和设定时间范围内热带气旋的卫星云图数据集和最佳路径数据集，根据所述卫星云图数据集的时间序列对所述最佳路径数据集进行线性内插，得到优化后的最佳路径数据集，包括：

获取设定区域范围和设定时间范围内热带气旋的卫星云图数据集和最佳路径数据集；其中，所述卫星云图数据集的时间分辨率为1小时，所述最佳路径数据集的时间分辨率为6小时；

根据所述卫星云图数据集的时间序列，对所述最佳路径数据集进行线性内插，得到优化后的最佳路径数据集；其中，所述优化后的最佳路径数据集的时间分辨率与所述卫星云图数据集的时间分辨率相对应，都为1小时。

3.根据权利要求1所述的方法，其特征在于，根据所述训练集中的卫星云图数据和最佳路径数据进行计算，获取影响热带气旋强度的先验物理因子，包括：

根据所述卫星云图数据计算热带气旋的偏角方差和云团亮温，获取表示热带气旋结构形态特征的结构形态因子以及表示热带气旋热力学特征的深对流因子；

根据所述最佳路径数据计算热带气旋的经纬度，获取表示热带气旋位置区域的背景场因子。

4.根据权利要求3所述的方法，其特征在于，所述结构形态因子包括热带气旋环流中心的偏角方差值、热带气旋偏角方差分布最小值、热带气旋偏角方差分布最小值的中心位置与热带气旋环流中心之间的相对距离、小于设定偏角方差阈值的云团范围内的偏角方差平均值、小于设定偏角方差阈值的云团面积以及小于设定偏角方差阈值的云团椭圆率。

5.根据权利要求3所述的方法，其特征在于，所述深对流因子包括距离热带气旋环流中心100-300km范围内的云团亮温最低值、距离热带气旋环流中心100-300km范围内的云团亮温标准差、距离热带气旋环流中心100-300km范围内的云团亮温平均值以及距离热带气旋环流中心50-200km范围内亮温低于-20℃的云区面积比例。

6.根据权利要求3所述的方法，其特征在于，所述背景场因子包括热带气旋环流中心经纬度和热带气旋偏角方差分布最小值的中心位置经纬度。

7.根据权利要求1所述的方法，其特征在于，将所述先验物理因子输入预先构建的基于多类机器学习算法优化集成的热带气旋强度智能监测模型，并通过设置所述热带气旋强度智能监测模型的相关参数进行训练，得到训练好的热带气旋强度智能监测模型，包括：

将所述先验物理因子输入预先构建的基于长短期记忆网络模型、Catboost模型和随机森林模型优化集成的热带气旋强度智能监测模型，并通过设置所述热带气旋强度智能监测模型的相关参数进行训练，得到训练好的热带气旋强度智能监测模型。