[发明专利]基于深度学习混合CNN-LSTM模型的台风预测方法有效
| 申请号： | 201910278781.3 | 申请日： | 2019-04-09 |
| 公开（公告）号： | CN109902885B | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 汪祥;陈睿;张卫民;李金才;李小勇;朱啸宇 | 申请（专利权）人： | 中国人民解放军国防科技大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G01W1/10;G06N3/04 |
| 代理公司： | 43226 长沙中科启明知识产权代理事务所(普通合伙) | 代理人： | 任合明 |
| 地址： | 410003 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习混合CNN‑LSTM模型的台风预测方法，目的是解决现有台风预测方法预测结果不稳定，准确度不太高的问题。技术方案是首先获取历史热带气旋最佳路径数据集和全球的大气海洋变量数据，组成训练模型的数据集，然后构建混合CNN‑LSTM的台风预测模型，再利用训练模型的数据集对混合CNN‑LSTM的台风预测模型进行训练拟合，最后采用训练好的混合CNN‑LSTM的台风预测模型对台风是否形成以及形成后的路径和强度进行预测。采用本发明可以方便地利用现有的公开数据集和深度学习框架进行模型的构建和预测，且本发明利用近几十年的台风数据和大气海洋变量数据对构建的模型进行训练后，能够直接使用训练好的模型有效地提高台风预测的准确率。 | ||
| 搜索关键词： | 台风预测 数据集 构建 变量数据 训练模型 台风 热带气旋 预测结果 最佳路径 准确度 有效地 再利用 海洋 准确率 预测 拟合 学习 全球 | ||
【主权项】：
1.一种基于深度学习混合CNN-LSTM模型的台风预测方法，其特征在于包括以下步骤：/n第一步，获取热带气旋最佳路径数据集，选择热带气旋最佳路径记录，匹配记录对应的大气海洋变量数据，构建训练模型所需的数据集，方法是：/n1.1从热带气旋官方网站下载历史热带气旋最佳路径数据集，选择热带气旋最佳路径数据集中按热带气旋生成海区进行划分的区域的热带气旋最佳路径数据集，热带气旋最佳路径数据集的元素为热带气旋最佳路径记录；每一个区域热带气旋最佳路径数据集中包括不同年份的热带气旋最佳路径记录，每一年又包括不同条数的热带气旋最佳路径记录，单条热带气旋最佳路径记录含该热带气旋从形成到消亡的全部时间、经纬度位置以及强度信息；/n1.2令需要预测台风的某一固定区域为区域A
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学，未经中国人民解放军国防科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910278781.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
