臺(tái)風(fēng)是一種高影響的強(qiáng)對流天氣系統(tǒng)。臺(tái)風(fēng)報(bào)文資料作為提供臺(tái)風(fēng)初值的最初來源,對改進(jìn)臺(tái)風(fēng)預(yù)報(bào)準(zhǔn)確性有一定的幫助,因此做好全球臺(tái)風(fēng)的報(bào)文快速識別收集工作至關(guān)重要。針對現(xiàn)有全球臺(tái)風(fēng)報(bào)文實(shí)時(shí)性差、延遲高、報(bào)文被動(dòng)接收的問題,本研究利用MSG,Meteosat-5,MTSAT,GOES-W,GOES-E衛(wèi)星圖像數(shù)據(jù),通過訓(xùn)練2006年1月-2020年8月的1 351次全球熱帶氣旋過程,共計(jì)8 983張紅外衛(wèi)星圖像,基于深度學(xué)習(xí)算法,提出了一種CNN-typhoon模型,可以對無臺(tái)風(fēng)、臺(tái)風(fēng)生成、臺(tái)風(fēng)最強(qiáng)等3種圖像進(jìn)行識別分類。實(shí)驗(yàn)證明:CNN-typhoon模型訓(xùn)練集的識別精度可接近100%,驗(yàn)證集精度高于88.1%;同時(shí)將模型代入模擬業(yè)務(wù),在一定時(shí)段內(nèi)增加了接近31.0%的報(bào)文收集種類,報(bào)文收集時(shí)效提高了23.5倍。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 相關(guān)工作
    2.1 全球海域的劃分及所屬編報(bào)中心的分工
    2.2 收集現(xiàn)狀
    2.3 存在問題
3 臺(tái)風(fēng)報(bào)文收集改進(jìn)方案
    3.1 方案概況
    3.2 CNN模型特征
        3.2.1 圖像分類
        3.2.2 CNN-typhoon模型
4 CNN-typhoon模型實(shí)現(xiàn)
    4.1 樣本分類與選擇
    4.2 CNN-typhoon模型評價(jià)
        4.2.1 目標(biāo)為2分類(CNN-typhoon-2)
        4.2.2 目標(biāo)為3分類(CNN-typhoon-3)
    4.3 改進(jìn)效果



本文編號：3796120