CN114202104B - 热带气旋路径相似程度确定方法及存储介质 - Google Patents
热带气旋路径相似程度确定方法及存储介质 Download PDFInfo
- Publication number
- CN114202104B CN114202104B CN202111362265.2A CN202111362265A CN114202104B CN 114202104 B CN114202104 B CN 114202104B CN 202111362265 A CN202111362265 A CN 202111362265A CN 114202104 B CN114202104 B CN 114202104B
- Authority
- CN
- China
- Prior art keywords
- path
- tropical cyclone
- degree
- tropical
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 30
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 25
- 230000001174 ascending effect Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 229930183931 Filipin Natural products 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 241000933299 Thespesia grandiflora Species 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- IMQSIXYSKPIGPD-NKYUYKLDSA-N filipin Chemical compound CCCCC[C@H](O)[C@@H]1[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@H](O)\C(C)=C\C=C\C=C\C=C\C=C\[C@H](O)[C@@H](C)OC1=O IMQSIXYSKPIGPD-NKYUYKLDSA-N 0.000 description 1
- 229950000152 filipin Drugs 0.000 description 1
- IMQSIXYSKPIGPD-UHFFFAOYSA-N filipin III Natural products CCCCCC(O)C1C(O)CC(O)CC(O)CC(O)CC(O)CC(O)CC(O)C(C)=CC=CC=CC=CC=CC(O)C(C)OC1=O IMQSIXYSKPIGPD-UHFFFAOYSA-N 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种热带气旋路径相似程度确定方法及存储介质,该方法包括:获取包括路径点数据集的热带气旋历史数据;确定样本热带气旋路径与历史热带气旋路径的空间相近程度;确定样本热带气旋路径与历史热带气旋路径的重叠程度;确定样本热带气旋路径与历史热带气旋路径的连续程度;确定样本热带气旋路径与历史热带气旋路径的强度相似程度;综合样本热带气旋路径与历史热带气旋路径的空间相近程度、重叠程度、连续程度和强度相似程度,确定样本热带气旋和历史热带气旋的路径相似程度。本发明结合相近、重叠、连续和强度4个方面,能够更为准确地确定历史热带气旋数据库中历史热带气旋个例与样本热带气旋的路径相似程度。
Description
技术领域
本发明涉及海洋气象预报技术领域,具体涉及一种热带气旋路径相似程度确定方法、装置及存储介质。
背景技术
热带气旋,是发生在热带或副热带洋面上的低压涡旋,可以被描述为一个天气尺度的非锋面低压系统,在温暖水域上发展,有组织的对流,最大平均风速为34节或以上,在中心附近延伸超过一半,并持续至少6小时。热带气旋发生在热带北大西洋(包括加勒比海和墨西哥湾)、墨西哥西海岸外的北太平洋,偶尔向西延伸至夏威夷、北太平洋西部(包括菲律宾群岛和中国海),孟加拉湾和阿拉伯海,马达加斯加海岸和澳大利亚西北海岸外的南印度洋,以及从澳大利亚东海岸到西140°的南太平洋。热带气旋是十分危险,可产生极端的风、暴雨和洪水以及破坏性的风暴潮,导致低洼沿海地区淹没,造成巨大人员和经济损失。
热带气旋的移动路径被认为是各种影响因素综合作用的结果。两条路径相似的热带气旋,在一定程度上能反映热带气旋的环境条件、演变过程的相似,反应了诸多影响因子综合作用的等效。热带气旋路径相似方法广泛应用于热带气旋预报、台风风暴潮预报。在台风风暴潮预报中,寻找与样本热带气旋路径相似的历史热带气旋,调阅历史热带气旋发展及引起的沿岸潮位及风暴增水实况,对开展当前样本热带气旋可能引发的风暴增水预测有十分重要的参考价值。
目前对于路径相似程度的评估或者路径相似热带气旋的筛选主要包括两类,一类是基于GIS(地理信息系统)的空间分析功能,通过缓冲区或者叠加分析对热带气旋路径进行筛选;另一类是从路径相似出发,通过设置指标如欧氏距离、弗雷歇距离、豪斯多夫距离等方式,计算样本间的差异程度,进行相似性评估。但是上述两类方法也存在不足,主要体现在,在应用GIS空间分析中的缓冲区时,缓冲区半径的取值一般只能依靠经验,但缓冲区大小则会直接影响到计算结果;在通过差异性指标计算相似性中如欧式距离、弗雷歇距离等,是通过度量路径上关键点的距离,来确定路径的相似(接近)程度。对于路径上的关键点的采样结果将直接影响计算结果,但如何合理的选取关键点采样,也没有合适的解决方案,一般人工依靠经验。此外,对于弗雷歇、动态时间归整等计算方法,在求解过程中需要递归计算,花费的计算时间也会相对偏长。
发明内容
为至少实现路径相似程度更为准确的判断,本发明提出了一种热带气旋路径相似程度确定方法及存储介质,结合相近、重叠、连续和强度4个方面,确定热带气旋之间的相似程度。
本发明第一方面,提供了一种热带气旋路径相似程度确定方法,包括:
历史数据获取步骤,获取包括路径点数据集的热带气旋历史数据,所述路径点数据集包括热带气旋序号、时间、经度、纬度、强度、中心最低气压和热带气旋尺度,所述热带气旋历史数据包括一条或多条历史热带气旋的数据;空间相近程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的空间相近程度;重叠程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的重叠程度;连续程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的连续程度;强度相似程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的强度相似程度;路径相似程度确定步骤,综合样本热带气旋路径与历史热带气旋路径的空间相近程度、重叠程度、连续程度和强度相似程度,确定样本热带气旋和历史热带气旋的路径相似程度。
可选地,所述热带气旋历史数据的数据源为来自中国气象局热带气旋资料中心的CMA热带气旋最佳路径数据集和卫星分析热带气旋尺度资料,所述历史数据获取步骤包括将CMA热带气旋最佳路径与卫星分析热带气旋尺度资料按热带气旋序号、时间进行拼接处理,形成数据并集,删除副中心情况,形成包括热带气旋序号、时间、经度、纬度、强度、中心最低气压、热带气旋尺度的路径点数据集。
可选地,所述历史数据获取步骤还包括查找历史热带气旋路径中是否存在前后相邻的两个路径点位置相同的情况,若是,则删除其中一个路径点。
可选地,所述历史数据获取步骤还包括为热带气旋路径设定空间约束,获取第一个和最后一个满足空间约束的路径点后,再依次取出中间路径点,包括中间不满足空间约束的路径点,按时间序列排序,作为满足空间约束的路径点集合。
可选地,所述空间相近程度确定步骤通过构造热带气旋椭圆轨迹,分别确定历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹之间的匹配程度和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹之间的匹配程度,获得历史热带气旋路径与样本热带气旋路径的空间相近程度。
可选地,所述重叠程度确定步骤通过构造热带气旋椭圆轨迹,分别计算历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹之间的归一化距离和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹之间的归一化距离,获得历史热带气旋路径与样本热带气旋路径的重叠程度。
可选地,所述连续程度确定步骤通过构造热带气旋椭圆轨迹,分别计算历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹的第一匹配位置的序列和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹第一匹配位置的序列,获得历史热带气旋路径与样本热带气旋路径的连续程度。
可选地,所述强度相似程度确定步骤通过分别计算历史热带气旋路径中的路径点和样本热带气旋路径中的路径点的强度集合,分别构建历史热带气旋路径与样本热带气旋路径的强度矢量,通过计算两个强度矢量的余弦相似度值,确定历史热带气旋路径与样本热带气旋路径的强度相似程度。
可选地,还包括外接矩形相近程度确定步骤,用于确定样本热带气旋路径与历史热带气旋路径的外接矩形空间重叠程度,并根据所述外接矩形空间重叠程度的大小选择如下处理方式:
当外接矩形的重叠程度大于或等于第一设定值时,循环执行空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤三次,其中路径点数据的使用,第一次执行每m个点取一个路径点,第二次执行每n个点取一个路径点,第三次执行取全部路径点,综合三次执行所确定的空间相近程度、重叠程度和连续程度,作为最终的空间相近程度、重叠程度和连续程度,其中m大于n,n大于1;
当外接矩形的重叠程度小于第一设定值且大于或等于低于第一设定值的第二设定值时,循环执行两次空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤,其中路径点数据的使用,第一次执行每a个点取一个路径点,第二次执行取全部路径点,综合两次执行所确定的空间相近程度、重叠程度和连续程度求取其均值,作为最终的相近程度、重叠程度和连续程度,其中a大于1;
当外接矩形的重叠程度大于0且小于第二设定值时,取全部路径点通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤确定空间相近程度、重叠程度和连续程度;
当外接矩形不重叠的情况下,判别为历史热带气旋路径和样本热带气旋路径不相似。
本发明的第二方面,提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时由处理器执行前述任意一种方法。
本发明的第三方面,提供一种热带气旋路径相似程度确定装置,包括:
历史数据获取模块,用于获取包括路径点数据集的热带气旋历史数据,所述路径点数据集包括热带气旋序号、时间、经度、纬度、强度、中心最低气压和热带气旋尺度,所述热带气旋历史数据包括一条或多条历史热带气旋的数据;空间相近程度确定模块,用于确定样本热带气旋路径与历史热带气旋路径的空间相近程度;重叠程度确定模块,用于确定样本热带气旋路径与历史热带气旋路径的重叠程度;连续程度确定模块,用于确定样本热带气旋路径与历史热带气旋路径的连续程度;强度相似程度确定模块,用于确定样本热带气旋路径与历史热带气旋路径的强度相似程度;路径相似程度确定模块,用于综合样本热带气旋路径与历史热带气旋路径的空间相近程度、重叠程度、连续程度和强度相似程度,确定样本热带气旋和历史热带气旋的路径相似程度。
本发明的第四方面,提供一种热带气旋路径相似程度确定装置,包括:处理器;以及存储器,与所述处理器连接,存储器存储有程序,其中,在所述程序运行时由处理器执行前述任意一种方法。
本发明提供的上述技术方案,结合相近、重叠、连续和强度4个方面,能够更为准确地确定历史热带气旋数据库中历史热带气旋个例与样本热带气旋的路径相似程度,以此为基础可进一步给出与样本热带气旋的相似排序结果,筛选排序出最为相似的热带气旋,进而再筛选背景环境场,选择与样本热带气旋相近的热带气旋,查询这些历史热带气旋的发展变化的情况以及沿岸验潮站的潮位及增水情况,结合数值预报模式输出结果、人工经验分析判断,给出对样本热带气旋可能造成风暴增水的预测结果。
根据下文结合附图对本发明的具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1为本发明实施例1中热带气旋路径相似程度确定方法的基本步骤示意图;
图2为本发明实施例4中热带气旋路径相似程度确定装置的结构示意图;
图3为本发明实施例5中热带气旋路径相似程度确定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明,下面将结合附图,对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
本实施例提供了一种热带气旋路径相似程度确定方法,下面以图1作为参考,说明该方法的基本步骤及各步骤示例性的具体实现方式。
历史数据获取步骤101,获取包括路径点数据集的热带气旋历史数据,路径点数据集包括热带气旋序号、时间(UTC)、经度、纬度、强度、中心最低气压和热带气旋尺度。该热带气旋历史数据包括一条或多条历史热带气旋的数据。
在一个具体示例中,热带气旋历史数据的数据源为来自中国气象局热带气旋资料中心的CMA热带气旋最佳路径数据集和卫星分析热带气旋尺度资料。CMA热带气旋最佳路径数据集包括1949年以来的西北太平洋(赤道以北,东经180°以西)海域热带气旋每6小时的位置和强度,包括时间(UTC)、强度、纬度、经度、中心最低气压等。卫星分析热带气旋尺度资料包括西北太平洋所有被卫星捕捉到的热带气旋,空间范围涵盖赤道以北,180°以西。自1980年起的热带气旋逐6小时位置、强度和尺度信息,包括时间(UTC)、纬度、经度、中心最低气压、中心最大风速、热带气旋尺度等。
在这种情况下,为获得包括热带气旋序号、时间(UTC)、经度、纬度、强度、中心最低气压和热带气旋尺度在内的全部路径点数据,需先对CMA热带气旋最佳路径数据集和卫星分析热带气旋尺度资料进行数据整合处理,即将CMA热带气旋最佳路径与卫星分析热带气旋尺度资料按热带气旋序号、时间进行拼接处理,形成数据并集,删除副中心情况,形成包括热带气旋序号、时间(UTC)、经度、纬度、强度、中心最低气压、热带气旋尺度的路径点数据集。
为提高后续分析计算准确性,还可对路径点数据集进行以下处理:
查找每条热带气旋路径中是否存在前后相邻的两个路径点位置(经纬度坐标)相同的情况,若是,则删除其中一个路径点。存在多条历史热带气旋路径时,可按热带气旋序号排序,遍历每条路径。
在台风风暴潮预报中对热带气旋路径相似性的分析中,重点关注的是热带气旋登陆前后的路径相似性,而非自热带气旋的生成源地开始的全部路径,可被理解为局部相似性。因而,在实际预报工作中,热带气旋路径相似程度可仅针对给定空间范围(一定空间约束)内的局部路径进行确定。在这种情况下,需首先遍历热带气旋路径,获取其中满足空间约束的路径点,形成满足空间约束的路径点集合。为保证不出现在时间序列上割裂热带气旋路径的情况,即在针对给出的空间约束,某条热带气旋路径出现路径中时间排序靠前的路径点满足空间约束要求,时间序列中间的某个或者某几个路径点不满足,但时间序列靠后的路径点又满足空间约束的情况,还可进行以下处理:获取第一个和最后一个满足空间约束的路径点后,再依次取出中间路径点,包括中间不满足需求的路径点,按时间序列排序,作为满足空间约束的路径点集合。
空间相近程度确定步骤102,确定样本热带气旋路径与历史热带气旋路径的空间相近程度。
该步骤在具体执行中,可通过构造热带气旋椭圆轨迹,分别确定历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹之间的匹配程度和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹之间的匹配程度,获得历史热带气旋路径与样本热带气旋路径的空间相近程度。每条历史热带气旋路径均可采用相同的方法处理。举例说明如下:
设样本热带气旋路径为Cyclonep=<P1,P2,...Pn>,Pi为热带气旋中的路径点(已按时间序列升序排列);
设历史热带气旋路径为Cycloneq=<Q1,Q2,...Qn>,Qi为热带气旋中的路径点(已按时间序列升序排列);
以样本热带气旋路径中的前后两个路径点为焦点,构造一个椭圆,依此类推,生成一系列的椭圆,形成椭圆序列Ep=<E1,E2,...En>,E为椭圆序列的椭圆;同样方式构造历史热带气旋路径的一系列椭圆,形成椭圆序列Sq=<S1,S2,...Sn>,S为椭圆序列的椭圆;
根据样本热带气旋路径中的路径点落入历史热带气旋路径的椭圆序列的数量,和历史热带气旋路径中的路径点落入样本热带气旋路径的椭圆序列的数量,确定两条热带气旋路径的空间相近程度。
在一个具体示例中,两条热带气旋路径的空间相近程度的确定可通过以下具体步骤实现:
子步骤1:椭圆参数设置。
设样本热带气旋路径上依次选取相邻的两个路径点,如P1和P2,为其椭圆E1的焦点,焦距为e1,路径点P1和P2的尺度参数为Scalep1和Scalep2,其10级风圈半径分别为R10p1和R10p2;
设样本热带气旋路径上依次选取相邻的两个路径点,如Q1和Q2,为其椭圆S1的焦点,焦距为s1,路径点Q1和Q2的尺度参数为Scaleq1和Scaleq2,其10级风圈半径分别R10q1和R10q2;
其中r为地球平均半径;
K为尺度系数,根据以下情况分别计算:
情况1:路径点尺度参数存在且平均尺度参数>Dist值;
情况2:路径点尺度参数不存在且10级风圈半径平均值>Dist值;
情况3:除去情况1和情况2的其它情况;
子步骤2:分别计算样本热带气旋路径中的路径点与历史热带气旋路径的椭圆轨迹以及历史热带气旋路径中的路径点与样本热带气旋路径的椭圆轨迹的匹配程度。
以样本热带气旋路径中的路径点与历史热带气旋路径的椭圆轨迹为例,路径点与椭圆轨迹的匹配程度用M(Pi,Sq)表达,计算方法如下:
情况1:当Pi与Sq中任意一个椭圆处于包含关系时;
情况2:除去情况1的其它情况。
同样的方法计算历史热带气旋路径中的路径点与样本热带气旋路径的椭圆轨迹的匹配程度。
子步骤3:计算样本热带气旋路径与历史热带气旋路径的空间相近程度。
累加子步骤2求得的样本热带气旋路径中的路径点与历史热带气旋路径的椭圆轨迹的匹配程度除以样本热带气旋路径中的路径点数量;累加子步骤2求得的历史热带气旋路径中的路径点与样本热带气旋路径的椭圆轨迹的匹配程度除以历史热带气旋路径中的路径点数量,计算公式如下:
M(P,Q)取值范围在0-1,越接近1表明两条路径空间相近程度更高。
存在多条历史热带气旋路径的情况下,则循环计算样本热带气旋路径与每条历史热带气旋路径的空间相近程度,并存储计算结果。
重叠程度确定步骤103,确定样本热带气旋路径与历史热带气旋路径的重叠程度。
该步骤在具体执行中,可通过构造热带气旋椭圆轨迹,分别计算历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹之间的归一化距离和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹之间的归一化距离,获得历史热带气旋路径与样本热带气旋路径的重叠程度。每条历史热带气旋路径均可采用相同的方法处理。举例说明如下:
设样本热带气旋路径为Cyclonep=<P1,P2,...Pn>,Pi为样本热带气旋路径中的路径点(已按时间序列升序排列);
设历史热带气旋路径为Cycloneq=<Q1,Q2,...Qn>,Qi为历史热带气旋路径中的路径点(已按时间序列升序排列);
以样本热带气旋路径中的前后两个路径点为焦点,生成一个椭圆,依此类推,生成一系列的椭圆,形成椭圆序列Ep=<E1,E2,...En>,E为椭圆序列的椭圆;同样方式生成历史热带气旋路径的一系列椭圆,形成椭圆序列Sq=<S1,S2,...Sn>,S为椭圆序列的椭圆;
椭圆长半轴、短半轴以及焦距的参数分别为a、b、e。
具体计算步骤如下:
子步骤1:计算路径点与椭圆轨迹的归一化距离。
计算公式如下:
设P为样本热带气旋路径中的路径点,P∈Cyclonep,S为历史热带气旋路径的椭圆序列中的椭圆,S∈Sq;
其中,K可取值为椭圆S的焦点sf1,sf2或者椭圆原点sfc。Disteuc(P,K)为P点到K点的欧式距离;
子步骤2:计算样本热带气旋路径与历史热带气旋路径的重叠程度。
计算公式如下:
Ovp(P,Q)取值范围在0-1,越接近1表明两条路径重叠程度更高。
存在多条历史热带气旋路径的情况下,则循环计算样本热带气旋路径与每条历史热带气旋路径的重叠程度,并存储计算结果。
连续程度确定步骤104,确定样本热带气旋路径与历史热带气旋路径的连续程度。
该步骤在具体执行中,可通过构造热带气旋椭圆轨迹,分别计算历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹的第一匹配位置的序列和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹第一匹配位置的序列,确定获得历史热带气旋路径与样本热带气旋路径的连续程度。每条历史热带气旋路径均可采用相同的方法处理。举例说明如下:
设样本热带气旋路径为Cyclonep=<P1,P2,...Pn>,Pi为样本热带气旋路径中的路径点(已按时间序列升序排列);
设历史热带气旋路径为Cycloneq=<Q1,Q2,...Qn>,Qi为历史热带气旋路径中的路径点(已按时间序列升序排列);
以样本热带气旋路径中的前后两个路径点为焦点,生成一个椭圆,依此类推,生成一系列的椭圆,形成椭圆序列Ep=<E1,E2,...En>,E为椭圆序列的椭圆;同样方式生成历史热带气旋路径的一系列椭圆,形成椭圆序列Sq=<S1,S2,...Sn>,S为椭圆序列的椭圆;
具体计算步骤如下:
子步骤1:计算路径点与椭圆轨迹的第一匹配位置。
将热带气旋路径中的路径点与椭圆轨迹匹配的顺序序列定义为Seque(Pi,Sq),如Seque(P1,Sq)=<0,2,3|。将第一匹配位置定义为F(Pi,Sq),其按以下情况取值:
1)若i=1,且Seque(Pi,Sq)不为空的情况下,F(P1,Sq)=minSeque(P1,Sq);
2)若i>1,且Seque(Pi,Sq)不为空的情况下,F(Pi,Sq)=min(Seque(Pi,Sq),F(Pi-1,Sq));
3)除去情况1)、2)的其它情况时,F(Pi,Sq)=-1。
子步骤2:计算样本热带气旋路径与历史热带气旋路径的连续程度。
样本热带气旋路径可以表示为其每个路径点的第一匹配位置序列,表达为Sequep=<F(P1,Sq),F(P2,Sq),...F(Pn,Sq)>;同样的,历史热带气旋路径可以表示为其每个路径点的第一匹配位置序列,表达为Sequeq=<F(Q1,Ep),F(Q2,Ep),...F(Qn,Ep)>;
二者的连续程度用如下公式表达:
Compute(parameter)函数计算规则如下:parameter是第一匹配位置序列;
Compute为分段函数,当遍历Sequep时,设i为顺序数字自0开始,Sequep[i]=F(Pi,Sq),
1)当i=0且Sequep[i]的值≠-1时,Compute(Sequep[i])=1;
2)当i>0且Sequep[i]的值≠-1且Sequep[i]≥Sequep[i-1]时,Compute(Sequep[i])=1;
3)除去情况1)、2)的其它情况时,Compute(Sequep[i])=0;
Con(P,Q)取值范围在0-1,越接近1表明两条路径连续性更高。
存在多条历史热带气旋路径的情况下,则循环计算样本热带气旋路径与每条历史热带气旋路径的连续程度,并存储计算结果。
强度相似程度确定步骤105,确定样本热带气旋路径与历史热带气旋路径的强度相似程度。
该步骤在具体执行中,可通过分别计算历史热带气旋路径中的路径点和样本热带气旋路径中的路径点的强度集合,分别构建历史热带气旋路径与样本热带气旋路径的强度矢量,通过计算两个强度矢量的余弦相似度值,确定历史热带气旋路径与样本热带气旋路径的强度相似程度。每条历史热带气旋路径均可采用相同的方法处理。举例说明如下:
设样本热带气旋路径为Cyclonep=<P1,P2,...Pn>,Pi为样本热带气旋路径中的路径点(已按时间序列升序排列);
设历史热带气旋路径为Cycloneq=<Q1,Q2,...Qn>,Qi为历史热带气旋路径中的路径点(已按时间序列升序排列);
具体计算步骤如下:
热带气旋的强度分为弱于热带低压、热带低压、热带风暴、强热带风暴、台风、强台风、超强台风和变性8种;
遍历样本热带气旋路径中的路径点,读取路径点上的热带气旋强度信息,记录每个强度出现的频次,生成强度矢量,并生成样本热带气旋路径的强度矢量,设为Vectorp=<Pd,Ptd,...Pde>;
遍历历史热带气旋路径中的路径点,读取路径点上的热带气旋强度信息,记录每个强度出现的频次,生成强度矢量,并生成历史热带气旋路径的强度矢量,设为Vectorq=<Qd,Qtd,...Qde>;
通过计算两个矢量的余弦值来确定强度相似程度,公式如下:
Cos{P,Q)取值范围在0-1,越接近1表明历史热带气旋路径与样本热带气旋路径的强度更为接近。
存在多条历史热带气旋路径的情况下,则循环计算样本热带气旋路径与每条历史热带气旋路径的强度相似程度,并存储计算结果。
路径相似程度确定步骤106,综合样本热带气旋路径与历史热带气旋路径的空间相近程度、重叠程度、连续程度和强度相似程度,确定二者的路径相似程度。
该步骤在具体执行中,综合空间相近程度确定步骤到强度相似程度确定步骤所确定的结果,确定样本热带气旋路径与历史热带气旋路径的路径相似程度。举例说明如下:
按照热带气旋编号,提取空间相近程度确定步骤到强度相似程度确定步骤的计算结果,按如下公式计算:Total(P,Q)=wmM(P,Q)+wovpOvp(P,Q)+wconCon(P,Q)+wcosCos(P,Q)
wm、wovp、wcon和wcos分别为空间相近程度、重叠程度、连续程度和强度相似程度的权重系数,wm+wovp+wcon+wcos的权重和为1,wm、wovp、wcon和wcos在实际应用中可例如取值为0.45、0.2、0.25和0.10,也就是说,可以空间相近程度的权重为最大,重叠程度和连续程度的权重小于空间相近程度的权重,以强度相似程度的权重最小。
实施例2
与实施例1相比,实施例2的不同在于在历史数据获取步骤之后增加外接矩形相近程度确定步骤,该步骤用于确定样本热带气旋路径与历史热带气旋路径的外接矩形空间重叠程度,并根据该外接矩形空间重叠程度的大小选择后续步骤的计算方式,具体如下:
设样本热带气旋路径为Cyclonep=<P1,P2,...Pn>,Pi为样本热带气旋路径中的路径点(已按时间序列升序排列);
设历史热带气旋路径为Cycloneq=<Q1,Q2,...Qn>,Qi为历史热带气旋路径中的路径点(已按时间序列升序排列);
热带气旋路径中的路径点由经纬度对组成,如P1表示为(Lat,Lon),因此一条热带气旋的外接矩形可以表示为[Latmin,Latmax,Lonmin,Lonmax]。通过样本热带气旋路径和历史热带气旋路径的外接矩形,判别两个矩形在地理空间的重叠程度,并根据所述外接矩形空间重叠程度的大小选择如下处理方式:
当外接矩形的重叠程度大于或等于第一设定值时,循环执行空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤三次,对于路径点数据的选取,第一次执行每m个点取一个路径点,第二次执行每n个点取一个路径点,第三次执行取全部路径点,综合三次执行所确定的空间相近程度、重叠程度和连续程度,作为最终的空间相近程度、重叠程度和连续程度,其中m大于n,n大于1;
当外接矩形的重叠程度小于第一设定值且大于或等于低于第一设定值的第二设定值时,循环执行两次空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤,对于路径点数据的选取,第一次执行每a个点取一个路径点,第二次执行取全部路径点,综合两次执行所确定的空间相近程度、重叠程度和连续程度求取其均值,作为最终的相近程度、重叠程度和连续程度,其中a大于1;
当外接矩形的重叠程度大于0且小于第二设定值时,取全部路径点通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤确定空间相近程度、重叠程度和连续程度;
当外接矩形不重叠的情况下,判别为历史热带气旋路径和样本热带气旋路径不相似。
举例说明如下:
(1)当外接矩形的重叠程度大于或等于70%的情况下,做如下处理:
通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤开展三次计算,分别求得三次的空间相近程度、重叠程度和连续程度,其中,第一次计算的数据源是样本热带气旋路径为Cyclonep=<P1,P2,...Pn>的每4个点取一个点组成的序列,即Cyclonep3=<P1,P5,P9...>,对于历史热带气旋路径采用相同取样方法,第二次计算的数据源是样本热带气旋路径为Cyclonep=<P1,P2,...Pn>的每2个点取一个点组成的序列,即Cyclonep3=<P1,P3,P5...>,对于历史热带气旋路径采用相同取样方法,第三次计算采用原始序列,三次计算分别求得的空间相近程度、重叠程度和连续程度求取其均值,作为最终的空间相近程度、重叠程度和连续程度的数值。
(2)当外接矩形的重叠程度在大于或等于34%且小于70%的情况下,做如下处理:
通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤开展两次计算,分别求得两次的空间相近程度、重叠程度和连续程度,其中,第一次计算的数据源是样本热带气旋路径为Cyclonep=<P1,P2,...Pn>的每2个点取一个点组成的序列,即Cyclonep3=<P1,P3,P5...>,对于历史热带气旋路径采用相同取样方法,第二次计算采用原始序列,二次计算分别求得的空间相近程度、重叠程度和连续程度求取其均值,作为最终的相近程度、重叠程度和连续程度的数值。
(3)当外接矩形的重叠程度在大于0且小于34%的情况下,做如下处理:
开展1次计算,采用原始序列通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤求得1次的空间相近程度、重叠程度和连续程度。
(4)当外接矩形不重叠的情况下,做如下处理:
直接判别为不相似。
通过增加该步骤,能够更好地计算热带气旋路径的相似性,避免出现在局部相似度高,但整体相似度偏低的情况。
本发明的上述方法可以通过在移动终端、计算机终端、服务器或者类似的计算设备中执行,因而对应上述方法,本发明还提供了存储介质、热带气旋路径相似程度确定装置的三个实施例。其中:
实施例3
本实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时由处理器执行实施例1或2提供的方法。
实施例4
本实施例提供了一种热带气旋路径相似程度确定装置,该装置与根据实施例1和实施例2的方法相对应。参考图2所示,该装置包括:
历史数据获取模块201,用于获取包括路径点数据集的热带气旋历史数据,所述路径点数据集包括热带气旋序号、时间、经度、纬度、强度、中心最低气压和热带气旋尺度,所述热带气旋历史数据包括一条或多条历史热带气旋的数据;
空间相近程度确定模块202,用于确定样本热带气旋路径与历史热带气旋路径的空间相近程度;
重叠程度确定模块203,用于确定样本热带气旋路径与历史热带气旋路径的重叠程度;
连续程度确定模块204,用于确定样本热带气旋路径与历史热带气旋路径的连续程度;
强度相似程度确定模块205,用于确定样本热带气旋路径与历史热带气旋路径的强度相似程度;
路径相似程度确定模块206,用于综合样本热带气旋路径与历史热带气旋路径的空间相近程度、重叠程度、连续程度和强度相似程度,确定样本热带气旋和历史热带气旋的路径相似程度。
在此基础上,还可增加外接矩形相近程度确定模块,用于确定样本热带气旋路径与历史热带气旋路径的外接矩形空间重叠程度,并根据所述外接矩形空间重叠程度的大小选择如下处理方式:
当外接矩形的重叠程度超过第一设定值时,循环执行三次空间相近程度确定、重叠程度确定和连续程度确定,对于路径点数据的选取,第一次执行每m个点取一个路径点,第二次执行每n个点取一个路径点,第三次执行取全部路径点,综合三次执行所确定的空间相近程度、重叠程度和连续程度,作为最终的空间相近程度、重叠程度和连续程度,其中m大于n,n大于1;
当外接矩形的重叠程度处于第一设定值和低于第一设定值的第二设定值之间时,循环执行两次空间相近程度确定、重叠程度确定和连续程度确定,对于路径点数据的选取,第一次执行每a个点取一个路径点,第二次执行取全部路径点,综合两次执行所确定的空间相近程度、重叠程度和连续程度求取其均值,作为最终的相近程度、重叠程度和连续程度,其中a大于1;
当外接矩形的重叠程度处于0和第二设定值之间时,取全部路径点通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤确定空间相近程度、重叠程度和连续程度;
当外接矩形不重叠的情况下,判别为历史热带气旋路径和样本热带气旋路径不相似。
实施例5
本实施例提供了一种带气旋路径相似程度确定装置,该装置与根据实施例1和实施例2的方法相对应。参考图3所示,该装置包括:
处理器301;
存储器302,与所述处理器301连接,存储器302存储有程序,其中,在所述程序运行时由处理器301执行实施例1和实施例2提供的方法。
尽管本文对于实施例3-5的描述未做全面展开,但本领域普通技术人员可以明了其具体实现与实施例1和实施例2中的方法是相对应,且可以获得与之一致的技术优势和效果。
本发明上述实施例,结合相近、重叠、连续和强度4个方面,能够更为准确地确定历史热带气旋数据库中历史热带气旋个例与样本热带气旋的路径相似程度,以此为基础可进一步给出与样本热带气旋的相似排序结果,筛选排序出最为相似的热带气旋,进而再筛选背景环境场,选择与样本热带气旋相近的热带气旋,查询这些历史热带气旋的发展变化的情况以及沿岸验潮站的潮位及增水情况,结合数值预报模式输出结果、人工经验分析判断,给出对样本热带气旋可能造成风暴增水的预测结果。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种热带气旋路径相似程度确定方法,其特征在于,包括:
历史数据获取步骤,获取包括路径点数据集的热带气旋历史数据,所述路径点数据集包括热带气旋序号、时间、经度、纬度、强度、中心最低气压和热带气旋尺度,所述热带气旋历史数据包括一条或多条历史热带气旋的数据;
空间相近程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的空间相近程度;
重叠程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的重叠程度;
连续程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的连续程度;
强度相似程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的强度相似程度;
路径相似程度确定步骤,综合样本热带气旋路径与历史热带气旋路径的空间相近程度、重叠程度、连续程度和强度相似程度,确定样本热带气旋和历史热带气旋的路径相似程度。
2.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述热带气旋历史数据的数据源为来自中国气象局热带气旋资料中心的CMA热带气旋最佳路径数据集和卫星分析热带气旋尺度资料,所述历史数据获取步骤包括将CMA热带气旋最佳路径与卫星分析热带气旋尺度资料按热带气旋序号、时间进行拼接处理,形成数据并集,删除副中心情况,形成包括热带气旋序号、时间、经度、纬度、强度、中心最低气压、热带气旋尺度的路径点数据集。
3.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述历史数据获取步骤还包括查找历史热带气旋路径中是否存在前后相邻的两个路径点位置相同的情况,若是,则删除其中一个路径点。
4.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述历史数据获取步骤还包括为热带气旋路径设定空间约束,获取第一个和最后一个满足空间约束的路径点后,再依次取出中间路径点,包括中间不满足空间约束的路径点,按时间序列排序,作为满足空间约束的路径点集合。
5.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述空间相近程度确定步骤通过构造热带气旋椭圆轨迹,分别确定历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹之间的匹配程度和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹之间的匹配程度,获得历史热带气旋路径与样本热带气旋路径的空间相近程度。
6.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述重叠程度确定步骤通过构造热带气旋椭圆轨迹,分别计算历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹之间的归一化距离和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹之间的归一化距离,获得历史热带气旋路径与样本热带气旋路径的重叠程度。
7.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述连续程度确定步骤通过构造热带气旋椭圆轨迹,分别计算历史热带气旋路径中的路径点与样本热带气旋路径所对应的椭圆轨迹的第一匹配位置的序列和样本热带气旋路径中的路径点与历史热带气旋路径所对应的椭圆轨迹第一匹配位置的序列,获得历史热带气旋路径与样本热带气旋路径的连续程度。
8.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
所述强度相似程度确定步骤通过分别计算历史热带气旋路径中的路径点和样本热带气旋路径中的路径点的强度集合,分别构建历史热带气旋路径与样本热带气旋路径的强度矢量,通过计算两个强度矢量的余弦相似度值,确定历史热带气旋路径与样本热带气旋路径的强度相似程度。
9.根据权利要求1所述的热带气旋路径相似程度确定方法,其特征在于:
还包括外接矩形相近程度确定步骤,确定样本热带气旋路径与历史热带气旋路径的外接矩形空间重叠程度,并根据所述外接矩形空间重叠程度的大小选择如下处理方式:
当外接矩形的重叠程度大于或等于第一设定值时,循环执行空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤三次,其中路径点数据的使用,第一次执行每m个点取一个路径点,第二次执行每n个点取一个路径点,第三次执行取全部路径点,综合三次执行所确定的空间相近程度、重叠程度和连续程度,作为最终的空间相近程度、重叠程度和连续程度,其中m大于n,n大于1;
当外接矩形的重叠程度小于第一设定值且大于或等于低于第一设定值的第二设定值时,循环执行两次空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤,其中路径点数据的使用,第一次执行每a个点取一个路径点,第二次执行取全部路径点,综合两次执行所确定的空间相近程度、重叠程度和连续程度求取其均值,作为最终的相近程度、重叠程度和连续程度,其中a大于1;
当外接矩形的重叠程度大于0且小于第二设定值时,取全部路径点通过空间相近程度确定步骤、重叠程度确定步骤和连续程度确定步骤确定空间相近程度、重叠程度和连续程度;
当外接矩形不重叠的情况下,判别为历史热带气旋路径和样本热带气旋路径不相似。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时由处理器执行根据权利要求1-9任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111362265.2A CN114202104B (zh) | 2021-11-17 | 2021-11-17 | 热带气旋路径相似程度确定方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111362265.2A CN114202104B (zh) | 2021-11-17 | 2021-11-17 | 热带气旋路径相似程度确定方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114202104A CN114202104A (zh) | 2022-03-18 |
CN114202104B true CN114202104B (zh) | 2022-06-03 |
Family
ID=80647834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111362265.2A Active CN114202104B (zh) | 2021-11-17 | 2021-11-17 | 热带气旋路径相似程度确定方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202104B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822140B (zh) * | 2023-04-25 | 2024-02-27 | 中国气象局上海台风研究所(上海市气象科学研究所) | 结合天气机制的时空综合的相似台风影响反演方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770516A (zh) * | 2010-01-12 | 2010-07-07 | 深圳先进技术研究院 | 挖掘热带气旋移动轨迹通道方法 |
US8160995B1 (en) * | 2008-04-18 | 2012-04-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
US8224768B1 (en) * | 2008-04-18 | 2012-07-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
CN105388536A (zh) * | 2015-11-10 | 2016-03-09 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 |
CN106447126A (zh) * | 2016-10-20 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区能见度变化确定、预报方法及系统 |
CN107942407A (zh) * | 2017-11-14 | 2018-04-20 | 中国气象科学研究院 | 一种判别热带气旋路径相似的系统 |
CN109242126A (zh) * | 2018-08-22 | 2019-01-18 | 中国人民解放军国防科技大学 | 一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法 |
CN109343154A (zh) * | 2018-09-12 | 2019-02-15 | 中国气象科学研究院 | 登陆热带气旋过程降水预报系统 |
CN111766642A (zh) * | 2020-06-16 | 2020-10-13 | 中国气象科学研究院 | 登陆热带气旋日降水预报系统 |
-
2021
- 2021-11-17 CN CN202111362265.2A patent/CN114202104B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8160995B1 (en) * | 2008-04-18 | 2012-04-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
US8224768B1 (en) * | 2008-04-18 | 2012-07-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
CN101770516A (zh) * | 2010-01-12 | 2010-07-07 | 深圳先进技术研究院 | 挖掘热带气旋移动轨迹通道方法 |
CN105388536A (zh) * | 2015-11-10 | 2016-03-09 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 |
CN106447126A (zh) * | 2016-10-20 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区能见度变化确定、预报方法及系统 |
CN107942407A (zh) * | 2017-11-14 | 2018-04-20 | 中国气象科学研究院 | 一种判别热带气旋路径相似的系统 |
CN109242126A (zh) * | 2018-08-22 | 2019-01-18 | 中国人民解放军国防科技大学 | 一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法 |
CN109343154A (zh) * | 2018-09-12 | 2019-02-15 | 中国气象科学研究院 | 登陆热带气旋过程降水预报系统 |
CN111766642A (zh) * | 2020-06-16 | 2020-10-13 | 中国气象科学研究院 | 登陆热带气旋日降水预报系统 |
Non-Patent Citations (4)
Title |
---|
An Objective Track Similarity Index and Its Preliminary Application to Predicting Precipitation of Landfalling Tropical Cyclones;Fumin Ren;《https://doi.org/10.1175/WAF-D-18-0007.1》;20181201;全文 * |
Machine Learning in Tropical Cyclone Forecast Modeling: A Review;Rui Chen etc.;《Special Issue Modeling and Data Assimilation for Tropical Cyclone Forecasts》;20200627;全文 * |
基于GIS的西北太平洋热带气旋路径查询与预测系统;程源清;《中国优秀硕士论文全文数据库》;20180415;全文 * |
最优决策法在台风路径集成预报中的运用;王斌 等;《热带气象学报》;20030525;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114202104A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111666918B (zh) | 一种基于多因素的海岸线变化识别方法 | |
CN110555841B (zh) | 基于自注意图像融合和dec的sar图像变化检测方法 | |
CN106226212B (zh) | 基于深度残差网络的高光谱霾监测方法 | |
CN113239830B (zh) | 一种基于全尺度特征融合的遥感图像云检测方法 | |
EP2884413B1 (en) | Method for predicting wind power density | |
CN110991284B (zh) | 一种基于场景预分类的光学遥感图像语句描述生成方法 | |
CN115223063B (zh) | 基于深度学习的无人机遥感小麦新品种倒伏面积提取方法及系统 | |
CN114202104B (zh) | 热带气旋路径相似程度确定方法及存储介质 | |
KR102248963B1 (ko) | 해무 예측 방법 및 그 장치 | |
CN114742307A (zh) | 一种波浪要素预测方法及系统 | |
Harsa et al. | Machine learning and artificial intelligence models development in rainfall-induced landslide prediction | |
CN109801304A (zh) | 一种抑制裸地的建筑指数构建及建筑区域快速提取方法 | |
Linh et al. | Coastline and shoreline change assessment in sandy coasts based on machine learning models and high-resolution satellite images | |
CN114897010A (zh) | 基于重采样改进的梯度提升树的强电离层闪烁检测方法 | |
CN115375925A (zh) | 一种基于相位信息和深度学习的水下声呐图像匹配算法 | |
CN115147727A (zh) | 一种遥感影像不透水面提取方法及系统 | |
CN114089443A (zh) | 一种基于tec积分量及季节变化系数的uhf频段电离层闪烁事件预报方法 | |
CN114219998A (zh) | 一种基于目标检测神经网络的声纳图像实时检测方法 | |
CN117367435B (zh) | 疏散路径规划方法、装置、设备及存储介质 | |
Fang et al. | Applying a multi-dimensional time-series similarity method to typhoon-track prediction | |
Ouyang et al. | Significant Wave Height Forecasting Based on EMD-TimesNet Networks | |
Yu et al. | SARGap: A full-link general decoupling automatic pruning algorithm for deep learning-based SAR target detectors | |
Power et al. | GPS Alignment from Multiple Sources to Extract Aircraft Bearing in Aerial Surveys | |
Thein et al. | Based on Principal Component Analysis of Land Use Land Cover Change Detection Using Landsat Satellite Images (Case study Mandalay City) | |
CN117217103B (zh) | 基于多尺度注意力机制的星载sar海杂波生成方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |