申请/专利权人：中国气象局上海台风研究所(上海市气象科学研究所)

申请日：2024-01-19

公开（公告）日：2024-06-21

公开（公告）号：CN118228569A

主分类号：G06F30/27

分类号：G06F30/27;G01W1/02;G01W1/10;G01W1/00;G06Q10/04;G06Q10/0635;G06Q50/26;G06N3/0499;G06N3/084;G06N20/00;G06F113/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明涉及一种基于深度学习的热带气旋小时降水参数模型构建方法，包括S1、基于深度学习处理历史数据集；S2、对历史数据集进行对称和非对称台风小时降水分解；S3、选取研究区各网格内的建模样本；解决现有台风降水参数化模型对下垫面差异、局地环境、季节差异、台风尺度等要素考虑不足，导致即使在大范围极值概型分布与实际较为吻合的情景下，局地降水仍存在强度严重低估、空间分布与实际严重不符的问题。

主权项：1.一种基于深度学习的热带气旋小时降水参数模型构建方法，其特征在于，包括以下步骤：S1、基于深度学习处理历史数据集S11、确定研究区根据研究需要，确定研究区并划分为5°*5°的网格；S12、搜集整理历史数据集S121、下载西北太平洋热带气旋数据、观测小时降水数据、再分析数据、下垫面信息数据集；包括：台风活动时间年月日时、台风中心经度、台风中心纬度、台风近中心最低气压、台风近中心最大风速、逐小时降水场、气候态海温、垂直风切、地形DEM数据；S122、搜集整理研究区的“卫星降水估计数据”S13、建立基于“卫星降水估计数据”的历史数据集Hpre_SatS131、对步骤S121中下载的观测小时降水数据、再分析数据进行插值采用插值方法将步骤S121中下载的“观测小时降水数据、再分析数据”插值为与步骤S122中下载的“卫星降水估计数据”分辨率一致的逐小时的降水场、再分析变量场，插值后的“观测小时降水数据”数据为Hpre_interp；S132、提取台风中心5°*5°范围内的“Hpre_interp”根据步骤S121中下载的台风活动时间年月日时、台风中心经度、台风中心纬度数据，确定每个时间点上台风中心5°*5°范围的网格点，并对网格点上的Hpre_interp进行提取，若网格点上无Hpre_interp数据，网格点上记为空值；得到以台风中心为网格中心的小时观测降水数据集Hpre_Obs；S133、提取台风中心5°*5°范围内的“卫星降水估计数据”根据步骤S121中下载的台风活动时间年月日时、台风中心经度、台风中心纬度数据，确定每个时间点上台风中心5°*5°范围的网格点，并对网格点上的“卫星降水估计数据”进行提取，若网格点上无数据，网格点上记为空值，得到以台风中心为网格中心的小时卫星降水估计数据集，简称OHpre_Sat；S134、采用深度学习的方法，对步骤S133得到的OHpre_Sat进行小时降水强度订正，具体为：S1341、选取深度学习方法根据实际运算条件和步骤S133中台风数据集的样本量选取深度学习方法开展适用于台风短历时强降水风险评估的台风小时降水模拟；S1342、深度学习数据集处理深度学习数据集处理过程包括数据集分割，确定输入X、输出Y变量；S1343、训练各预测模型根据步骤S1341选取的深度学习方法，对选取模型的参数进行初始化并进行训练；S1344、选择最优预测模型对选择的预测模型进行验证测试和独立模拟；S1345、使用最优预测模型订正采用S1344选择的最优预测模型，完成对OHpre_Sat的小时降水强度订正，形成订正后的小时卫星降水数据，简称为历史数据集Hpre_Sat；S2、对历史数据集进行对称和非对称台风小时降水分解S21、定义分解公式采用傅里叶分解方法对数据集Hpre_Sat进行分解，按照傅里叶级数，数据集Hpre_Sat中的台风小时降水看作由n阶谐波组成，其中，由各项对称的台风小时降水看作0波，不对称的台风小时降水看作1至n阶谐波的叠加，具体计算公式如下： 其中，a0r为对称台风小时降水，为非对称台风小时降水，An为第n阶谐波的振幅，δn为第n阶谐波的初位相，r为网格点距离台风中心的距离，λ为以某特定方向为零点旋转的角度；S22、计算历史数据集Hpre_Sat的对称台风小时降水基于步骤S21中的分解，计算历史数据集Hpre_Sat的逐场台风半径r上的逐时对称台风降水a0ri,t，公式如下： 其中，i为历史数据集Hpre_Sat中的台风序号，t为第i个台风的活动时间，m为参加谐波分析的点数，取值为1至mm，Hpre_Satm为参加谐波分析的点上的降水；S23、计算历史数据集Hpre_Sat的非对称台风小时降水基于步骤S21中的分解，确定nn阶谐波，计算历史数据集Hpre_Sat的逐场台风半径r上的逐时非对称台风降水定义第i个台风的第t活动时间上非对称台风降水为： 其中，Anri,t和δnri,t计算公式如下： 基于以上公式，计算历史数据集Hpre_Sat的逐场nn阶谐波非对称台风小时降水；至此，完成对历史数据集Hpre_Sat的对称和非对称台风小时降水分解，分别为：a0ri,t和a*ri,t；S3、建立基于深度学习的热带气旋小时降水参数模型，简称“TCHP_STI”基于步骤S23产生的Hpre_Sat对称和非对称台风小时降水a0ri,t、a*ri,t，将“TCHP_STI”参数模型分解为对称参数化方案和非对称参数化方案；具体步骤如下：S31、选取研究区各网格内的建模样本S311、定义研究区网格内建模样本；当第i个台风在第t活动时间上，台风中心落入该网格内，则认为该时刻的台风中心5°*5°的降水场为本研究区网格内的建模样本；该降水场由对称和非对称台风小时降水组成；S312、确定样本量；基于S311的定义，将历史数据集Hpre_Sat进行研究区网格内的建模样本选取，由此得到每个研究区网格内的建模样本量；S313、基于步骤S312，提取相应台风中心5°*5°范围内的再分析数据和下垫面信息数据，包括垂直风切、地形DEM；S32、建立“TCHP_STI”中对称参数化方案通过人工智能或者统计方法，建立研究区各网格内对称台风小时降水a0ri,t和台风活动时间年月日时t、台风中心经度lon、台风中心纬度lat、台风近中心最低气压mpress、台风持续时间duration之间的函数关系，表达式如下：a0ri,t＝ft,lon,lat,mpress,duration,r7其中，i为研究区各网格内的建模样本量；S33、建立“TCHP_STI”中非对称参数化方案通过人工智能或者统计方法，建立研究区各网格内对称台风小时降水a*ri,t和台风活动时间年月日时t、热带气旋的内核尺度RMW、外围尺度R17、台风近中心最低气压mpress、台风持续时间duration、台风移向θ、地形坡度坡向Slope、地形粗糙度Z0、垂直风切Ws之间的函数关系；表达式如下：a*ri,t＝ft,RMW,R17,mpress,duration,Slope,Z0,WS,r8其中，i为研究区各网格内的建模样本量，振幅和位相表达式如下：An＝ft,RMW,R17,mpress,duration,Slope,Z0,r9δn＝ft,WS,θ,Slope,r10S34、完成“TCHP_STI”参数化方案的建立通过变量t,lon,lat,mpress,duration,r和变量RMW,R17,Slope,Z0,WS建立“TCHP_STI”参数模型，确定台风中心5°*5°范围内的逐小时降水场。

全文数据：

权利要求：

百度查询： 中国气象局上海台风研究所(上海市气象科学研究所) 一种基于深度学习的热带气旋小时降水参数模型构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD