[发明专利]一种数据与知识联合驱动的风暴潮预警方法及装置

说明书

本发明公开了一种数据与知识联合驱动的风暴潮预警方法及装置，方法包括：以气旋中心坐标真实值转化后的概率分布图为新的标签；利用转化的概率分布图为标签，对气旋轨迹预测特征集合进行解码输出不同时间步长下的预设经纬度范围的气旋中心位置概率分布预测图；对气旋强度预测特征集合也进行解码输出网格化气压分布和风速分布；遍历气旋中心位置概率分布预测图，得到概率值最大的点为气旋中心点，以预测的气旋中心位置和气旋相关知识的联合引导关联气旋气压与风速分布获得气旋强度预测值；将气旋强度预测值、气旋轨迹信息、联合输入的风暴潮潮位谐波分析数据，一并输入到长短时记忆循环网络，预测不同时间步长下的风暴潮强度。装置包括：处理器和存储器。

技术领域

本发明涉及风暴潮强度预测领域，尤其涉及一种数据与知识联合驱动的风暴潮预警方法及装置。

背景技术

风暴潮，又称“风暴增水”，是由于剧烈的大气扰动，例如：气旋(热带气旋、温带气旋)引起的海面异常升高的现象。通常来说气旋登陆时伴随的低压、强风是造成风暴潮的主要原因，这种前进的涌浪与正常潮相结合，形成风暴潮增水。风暴潮预报的常规数值方法和经验方法在过去已经有了一定的发展，但风暴潮的变化仍然是一个复杂的海洋工程问题。影响风暴潮变化的因素很多，包括：气旋中心气压、气旋移动速度、海岸地形等。

气旋是指北(南)半球，大气中水平气流呈逆(顺)时针旋转的大型涡旋。在同高度上，气旋中心的气压比四周低，又称低气压天气系统。气旋按照活动范围通常分为热带气旋和温带气旋。尤其是热带气旋登陆时通常会带来强风与强降水，进而引发严重的风暴潮增水。我国海岸线绵长，地处气旋高发的西北太平洋海域。对于沿海地区，及时准确地预测风暴潮，监测海面潮位变化对于我国自然灾害防治工作具有建设性作用，对保护我国沿海地区人民生命财产安全具有重大意义。

随着海洋观测站、地面站和气象卫星的建立，可用的数据量也在不断增加，而深度学习在处理大数据问题上表现出巨大优势，可从海量数据中挖掘出隐藏的特征。将深度学习应用于风暴潮预测领域已经取得了显著的进展：Lee等人^[1]利用人工神经网络，依靠数据驱动实现对风暴潮的预测，初步展现了深度学习应用于风暴潮预测领域的强大潜力；Chen等人^[2]利用长短时记忆神经网络提取数据的时间信息，实现对东海地区的风暴潮预测；Adeli等人^[3]提出一种时空卷积循环神经网络，充分捕捉数据的时间和空间相关性，提高了风暴潮预测的准确性。但是当前风暴潮强度预测仅依靠数据驱动，缺乏物理关联与知识引导。根据相关研究^[4]，对于风暴潮的预测，气旋的强度和轨迹是最重要的，准确的气旋强度预测和轨迹追踪对于风暴潮的预测具有及其重要的作用，有利于提高风暴潮预测的准确性，增强我国沿海地区自然灾害的检测与防治能力。

发明内容

本发明提供了一种数据与知识联合驱动的风暴潮预警方法及装置，本发明提高了风暴潮预测的准确性，有利于增强我国东南沿海地区自然灾害防治能力，减少洪涝灾害，保护我国沿海地区人民生命财产安全，详见下文描述：

第一方面、一种数据与知识联合驱动的风暴潮预警方法，所述方法包括：

1)利用跨任务注意力机制对分离后的气旋强度特有和共有特征集合，气旋轨迹特有和共有特征集合进行特征更新，获取气旋强度、气旋轨迹的预测特征集合；

2)将气旋数据集中气旋中心坐标的真实值转化为某一预设经纬度范围的概率分布图，以气旋中心坐标真实值转化后的概率分布图为新的标签；

3)利用转化的概率分布图为标签，对气旋轨迹预测特征集合进行解码输出不同时间步长下的预设经纬度范围的气旋中心位置概率分布预测图；对气旋强度预测特征集合也进行解码输出网格化气压分布和风速分布；

4)遍历气旋中心位置概率分布预测图，得到概率值最大的点为气旋中心点，以预测的气旋中心位置和气旋相关知识，联合引导关联气旋气压与风速分布获得气旋强度预测值；