臺(tái)風(fēng)是一種極端天氣事件,每年夏季會(huì)對(duì)沿海地區(qū)城市經(jīng)濟(jì)造成重大損失,預(yù)測臺(tái)風(fēng)的形成和強(qiáng)度對(duì)臺(tái)風(fēng)災(zāi)害的預(yù)警至關(guān)重要。傳統(tǒng)的基于熱動(dòng)力方程的數(shù)值預(yù)報(bào)方法和基于經(jīng)驗(yàn)關(guān)系的統(tǒng)計(jì)預(yù)報(bào)方法現(xiàn)如今仍難以準(zhǔn)確地預(yù)測臺(tái)風(fēng)強(qiáng)度。此外,一些研究雖然也嘗試用機(jī)器學(xué)習(xí)方法進(jìn)行預(yù)測來提高準(zhǔn)確率,但通常沒有考慮臺(tái)風(fēng)相關(guān)變量之間的時(shí)空關(guān)系。本文提出了一種基于深度學(xué)習(xí)的臺(tái)風(fēng)時(shí)空深度混合預(yù)測模型,可以彌補(bǔ)現(xiàn)有方法的不足之處。本文模型引入了三維卷積神經(jīng)網(wǎng)絡(luò)(3DCNN)和二維卷積神經(jīng)網(wǎng)絡(luò)(2DCNN)來學(xué)習(xí)臺(tái)風(fēng)相關(guān)大氣海洋變量之間的空間關(guān)系,利用LSTM來學(xué)習(xí)臺(tái)風(fēng)變化過程中的時(shí)序關(guān)系。針對(duì)西太平洋(WP)、東太平洋(EP)、北大西洋(NA)三個(gè)海域的大量臺(tái)風(fēng)形成與強(qiáng)度預(yù)測實(shí)驗(yàn)表明,本文模型優(yōu)于現(xiàn)有官方組織使用的諸多數(shù)值預(yù)報(bào)方法、統(tǒng)計(jì)預(yù)報(bào)方法和機(jī)器學(xué)習(xí)方法。臺(tái)風(fēng)24h形成預(yù)測實(shí)驗(yàn)中,本文模型能達(dá)到的最高準(zhǔn)確率為85.2%,Auc值(ROC曲線下的面積)為92.2%,24h強(qiáng)度預(yù)測實(shí)驗(yàn)中,最小誤差為7.4kt(1kt=0.512m/s)。并且在參數(shù)分析時(shí)發(fā)現(xiàn),模型訓(xùn)練時(shí)的超參數(shù)如學(xué)習(xí)速率最好設(shè)置為10-4的量級(jí),并在25～35個(gè)...

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 本文工作
    1.3 論文結(jié)構(gòu)
第二章 相關(guān)研究方法
    2.1 相關(guān)臺(tái)風(fēng)預(yù)測方法
        2.1.1 數(shù)值預(yù)報(bào)方法
        2.1.2 統(tǒng)計(jì)預(yù)報(bào)方法
        2.1.3 機(jī)器學(xué)習(xí)方法
    2.2 相關(guān)深度學(xué)習(xí)網(wǎng)絡(luò)
        2.2.1 前饋神經(jīng)網(wǎng)絡(luò)
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)(CNN)
        2.2.3 長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)
第三章 基于深度學(xué)習(xí)的臺(tái)風(fēng)時(shí)空深度混合預(yù)測模型
    3.1 引言
    3.2 問題定義
    3.3 模型框架
        3.3.1 海表變量X^S二維空間關(guān)系的特征學(xué)習(xí)
        3.3.2 大氣變量X^P三維空間關(guān)系的特征學(xué)習(xí)
        3.3.3 臺(tái)風(fēng)變化過程中時(shí)序關(guān)系的特征學(xué)習(xí)
    3.4 實(shí)現(xiàn)方法
        3.4.1 實(shí)現(xiàn)平臺(tái)
        3.4.2 實(shí)現(xiàn)流程
第四章 基于時(shí)空深度混合預(yù)測模型的臺(tái)風(fēng)形成及強(qiáng)度預(yù)測
    4.1 臺(tái)風(fēng)數(shù)據(jù)集和氣象海洋再分析數(shù)據(jù)集的獲取
    4.2 基于臺(tái)風(fēng)時(shí)空深度混合預(yù)測模型的臺(tái)風(fēng)形成預(yù)測
        4.2.1 實(shí)驗(yàn)數(shù)據(jù)集的構(gòu)造與預(yù)處理
        4.2.2 評(píng)價(jià)指標(biāo)與損失函數(shù)
        4.2.3 網(wǎng)絡(luò)設(shè)置
        4.2.4 對(duì)比方法
        4.2.5 結(jié)果分析
        4.2.6 參數(shù)分析
    4.3 基于臺(tái)風(fēng)時(shí)空深度混合預(yù)測模型的臺(tái)風(fēng)強(qiáng)度預(yù)測
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集的構(gòu)造與預(yù)處理
        4.3.2 評(píng)價(jià)指標(biāo)與損失函數(shù)
        4.3.3 網(wǎng)絡(luò)設(shè)置
        4.3.4 對(duì)比方法
        4.3.5 結(jié)果分析
    4.4 模型預(yù)測實(shí)驗(yàn)總結(jié)
第五章 總結(jié)與展望
    5.1 研究工作總結(jié)
    5.2 未來工作展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號(hào)：3764864