[发明专利]一种台风波及范围的预测方法

摘要

本发明涉及一种台风波及范围的预测方法，包括：对因果熵理论进行改进，加入时序信息及全局演变信息，使其更适用于气象预测，进而基于改进后的因果熵理论对台风历史数据建立因果网络，并通过卷积LSTM算法预测台风出现后可能的受灾城市。本发明内容包括：首先通过改进后的因果熵理论计算各个城市间的台风强度的因果熵，然后以城市为结点，两城市间的因果熵为边权建立有向有权网络，为了保证网络的可预测性，对网络进行主干提取，并引入时间窗将静态网络转化为时序网络并结合改进后的卷积LSTM模型预测未来时刻网络的结构。本发明能预测台风发生时可能受灾的城市，且不需要台风的实时气象数据，有效地解决了气象观测装置受损时的受灾城市预测问题。

主权项

1.一种台风波及范围的预测方法，其特征在于，包括以下步骤：步骤一：根据台风的历史数据，获取要预测城市受台风影响的时间序列；所述时间序列中以一天为时间间隔，记录该天此城市的台风强度，若该天无台风数据，则记录为0；步骤二：将城市X和城市Z作为网络中的一个结点，选定若干天为时间窗的长度，计算该时间窗的长度内城市X对城市Z的因果熵，在城市X和城市Z间添加一条有向边，并将该因果熵视作有向边X→Z的权重；再按相同方法计算城市Z对城市X的因果熵，在城市Z和城市X间添加一条有向边，并将城市Z对城市X的因果熵的值视作有向边Z→X的权重；步骤三：重复步骤二，直到将选定城市全部加入网络，并在所有的城市间添加以因果熵为边权的边，直至构成一个全连接网络，该全连接网络即为有向有权的静态因果熵网络，之后对网络进行主干提取，保留关键边的信息，去除冗余信息；步骤四：向后移动时间窗，重复步骤二和步骤三，建立不同时间窗下的静态因果熵网络，并将所有时间窗下的静态因果熵网络组合在一起，得到一张时序因果熵网络；步骤五：初始化卷积LSTM模型的参数，选定卷积LSTM模型的记忆周期，结合气象数据特征，对LSTM模型进行改进，并用所述步骤四的这张时序因果熵网络训练改进后的卷积LSTM模型，从而预测出未来时刻的网络结构，通过未来时刻网络的边权即知道在下一个或几个时间窗内被台风波及的城市，完成台风波及范围的预测。