CN116401474B - 多指标相似台风的检索方法、装置、电子设备和存储介质 - Google Patents
多指标相似台风的检索方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116401474B CN116401474B CN202310672637.4A CN202310672637A CN116401474B CN 116401474 B CN116401474 B CN 116401474B CN 202310672637 A CN202310672637 A CN 202310672637A CN 116401474 B CN116401474 B CN 116401474B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- factor
- factors
- field
- 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 61
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 238000001556 precipitation Methods 0.000 claims description 26
- 230000001932 seasonal effect Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000004907 flux Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种多指标相似台风的检索方法、装置、电子设备和存储介质，涉及台风检索技术领域，该方法包括：基于台风最佳路径数据集构建历史台风事件库；基于台风检索条件在历史台风事件库提取多指标特征因子；对多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于特征因子和特征因子的权重构建多维度相似台风分析模型；通过多维度相似台风分析模型进行台风检索，得到与台风检索条件对应的目标相似台风。本申请提升了相似台风检索的准确性。
Description
技术领域
本申请涉及台风检索技术领域，尤其是涉及一种多指标相似台风的检索方法、装置、电子设备和存储介质。
背景技术
目前的相似台风检索方法，大多以台风路径为主要特征，基于最短距离或路径相似等判识标准，从历史台风事件库中筛选出最相似的台风。相关技术中，相似台风检索方法中没有考虑到大尺度环境场，或只考虑单一角度的指标而忽略了指标之间的相关性，因此不能实现高精度的多维度相似台风检索。
发明内容
本申请的目的在于提供一种多指标相似台风的检索方法、装置、电子设备和存储介质，提升了相似台风检索的准确性。
第一方面，本发明提供一种多指标相似台风的检索方法，所述方法包括：基于台风最佳路径数据集构建历史台风事件库；基于台风检索条件在所述历史台风事件库提取多指标特征因子；对所述多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于所述特征因子和所述特征因子的权重构建多维度相似台风分析模型；通过所述多维度相似台风分析模型进行台风检索，得到与所述台风检索条件对应的目标相似台风。
在可选的实施方式中，所述多指标特征因子包括地理指标，所述地理指标包括路径因子，所述路径因子用于表征整条台风路径上每两个台风中心点距离的累加，基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：基于所述历史台风事件库中每两个台风中心点的经纬度和地球半径确定单一历史台风路径总长度；根据单一历史台风路径总长度与所述台风检索条件所对应的目标台风的路径长度的比值，确定路径因子。
在可选的实施方式中，所述地理指标还包括距离因子，所述距离因子用于表征所述台风检索条件所对应的台风中心点到历史台风距离最小值的平均值；基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：将所述台风检索条件所对应的目标台风的所有中心点到历史台风事件库中的历史台风的距离最小值确定为距离因子。
在可选的实施方式中，所述多指标特征因子包括季节因子；基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：基于所述台风检索条件确定台风发生时所处的季节；如果所述历史台风与所述台风检索条件所对应的发生季节一致，则确定季节因子为1，否则为0。
在可选的实施方式中，所述多指标特征因子包括台风影响指标，所述台风影响指标包括影响范围因子和影响强度因子；基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：基于台风风力等级确定影响半径，以台风中心点坐标为中线，所述影响半径以内的区域确定台风影响范围；将历史台风的影响范围和所述台风检索条件所对应的影响范围的区域重叠比例确定所述影响范围因子；在所述台风影响范围内，基于台风降水累积量和台风风速，得到台风生命周期各个区域的降水总量和最大风速；根据降水总量和最大风速进行等级划分，得到降水影响等级和大风影响等级；基于所述降水影响等级和对应的权重，以及所述大风影响等级和对应的权重，确定影响强度因子。
在可选的实施方式中，所述多指标特征因子包括天气形势指标因子，所述天气形势指标因子包括副热带高压背景场因子、热力场因子、动力场因子和水汽场因子；基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：基于台风检索条件和经验正交分解，在所述历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
在可选的实施方式中，基于台风检索条件和经验正交分解，在所述历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子，包括：通过经验正交分解方法，分别提取历史台风事件库中的历史台风的副高背景场、温度场、散度场、水汽场分别对应的第一模态，基于所述历史台风的所述第一模态与台风检索条件对应的目标台风的所对应的第一模态之间的相关性，分别确定为副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
第二方面，本发明提供一种多指标相似台风的检索装置，所述装置包括：库构建模块，用于基于台风最佳路径数据集构建历史台风事件库；特征因子提取模块，用于基于台风检索条件在所述历史台风事件库提取多指标特征因子；模型构建模块，用于对所述多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于所述特征因子和所述特征因子的权重构建多维度相似台风分析模型；相似台风检索模块，用于通过所述多维度相似台风分析模型进行台风检索，得到与所述台风检索条件对应的目标相似台风。
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现前述实施方式任一项所述的多指标相似台风的检索方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现前述实施方式任一项所述的多指标相似台风的检索方法。
本申请提供的多指标相似台风的检索方法、装置、电子设备和存储介质，基于多指标相似台风自动检索方法的区别在于选取了路径、距离、季节、影响范围、影响程度、天气形势等多个相似指标，并建立了综合相似台风检索模型，从地理、气象、灾害影响等多方面考虑，提升了相似台风检测的准确性。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种多指标相似台风的检索方法的流程图；
图2为本申请实施例提供的一种具体的多指标相似台风的检索方法的流程图；
图3为本申请实施例提供的一种多指标相似台风的检索装置的结构图；
图4为本申请实施例提供的一种电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
台风的运动与所在的环境流场直接相关，且西北太平洋台风发源地常常处于低纬度季风槽，且在发展过程中受副热带高压影响，而不同尺度天气系统之间存在高度非线性关系。现有的相关专利中，相似台风检索方法中没有考虑到大尺度环境场，或只考虑单一角度的指标而忽略了指标之间的相关性，因此不能实现高精度的多维度相似台风检索。
基于此，本申请实施例提供了一种多指标相似台风的检索方法、装置、电子设备和存储介质，可以从地理、气象、灾害影响等多方面实现相似台风的检索。
本申请实施例提供了一种多指标相似台风的检索方法，参见图1所示，该方法主要包括以下步骤：
步骤S110，基于台风最佳路径数据集构建历史台风事件库。
在一种实施方式中，首先读取台风最佳路径集数据，可以选取近10~60年间所有台风事件对应的记录，该台风最佳路径数据集包括台风基础信息（台风国际编号、热带气旋编号、路径记录总数、台风名称等）和台风路径记录（时间、经度、纬度、气压、风速、等级等）。
为保证数据的准确性，避免数据重复影响后续检索效果，可以剔除数据集中副中心编号的台风，也即可以剔除台风名称后包含“（-1）n”的台风。
对所有台风事件进行标识，自定义台风编号，以防止利用CMA编号或热带气旋序号出现同编号台风的现象。
步骤S120，基于台风检索条件在历史台风事件库提取多指标特征因子。
上述多指标特征因子包括地理指标、季节因子、台风影响指标和天气形势指标因子。其中，地理指标包括路径因子和距离因子，台风影响指标包括影响范围因子和影响强度因子，天气形势指标因子包括副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
台风检索条件可以包括目标台风的台风基础信息和台风路径信息，该目标台风也即需要从历史台风事件库中检索相似台风的台风。
步骤S130，对多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于特征因子和特征因子的权重构建多维度相似台风分析模型。
综合建模之前，对上述提取到的所有非比重指标因子进行归一化处理，化为无量纲的数值，进而消除各指标的量纲差异。设为原始数据，/>为数据中的最小值，/>为数据中的最大值，则归一化后的/>计算公式为：
然后基于特征因子和特征因子的权重构建多维度相似台风分析模型。归一化后的各指标因子分别为路径因子、距离因子/>、季节因子/>、影响范围因子/>、影响强度因子、副热带高压背景场因子/>、热力场因子/>、动力场因子/>、水汽场因子/>设置各自的权重分别为/>、/>、/>、/>、/>、/>，则多维度相似台风分析模型为：
其中，为各个指标因子，/>为各自的权重。
步骤S140，通过多维度相似台风分析模型进行台风检索，得到与台风检索条件对应的目标相似台风。
根据上述多维度相似台风分析模型，可得台风检索条件与历史所有台风之间的相似分析结果，该结果即可定义为相似度。对所有相似度进行排序，可以将满足相似度阈值的确定为目标相似台风，也可以将排序前几（可根据实际情况设置）的作为目标相似台风，还可以将相似度最大值对应的历史台风即是与目标台风（也即台风检索条件对应的台风）确定为相似的台风。
本申请实施例提供的多指标相似台风的检索方法，基于多指标相似台风自动检索方法的区别在于选取了路径、距离、季节、影响范围、影响程度、天气形势等多个相似指标，并建立了综合相似台风检索模型，从地理、气象、灾害影响等多方面考虑，提升了相似台风检测的准确性。
以下对多指标相似台风的检索方法中各指标提取的方式进行详细说明。
一、针对地理指标
地理指标包括路径因子和距离因子，路径因子用于表征整条台风路径上每两个台风中心点距离的累加，距离因子用于表征台风检索条件所对应的台风中心点到历史台风距离最小值的平均值。
在基于台风检索条件在历史台风事件库提取地理指标时，可以包括以下步骤1.1）至步骤1.3）：
步骤1.1），基于历史台风事件库中每两个台风中心点的经纬度和地球半径确定单一历史台风路径总长度。
路径指标选择整个台风路径的长度作为指标因子，台风路径长度具体表示为整条台风路径上每两个台风中心点距离的累加。设两个点经纬度分别为(和,地球半径为R，则球面上该两点间的距离采用如下公式：
步骤1.2），根据单一历史台风路径总长度与台风检索条件所对应的目标台风的路径长度的比值，确定路径因子；
步骤1.3），将台风检索条件所对应的目标台风的所有中心点到历史台风事件库中的历史台风的距离最小值确定为距离因子，参见下式：
其中，为目标台风第n个中心点与历史台风的距离，距离公式参考路径指标；m为目标台风中心点数目。
二、针对季节因子
在基于台风检索条件在历史台风事件库提取季节因子时，包括以下步骤2.1）和步骤2.2）：
步骤2.1），基于台风检索条件确定台风发生时所处的季节；
步骤2.2），如果历史台风与台风检索条件所对应的发生季节一致，则确定季节因子为1，否则为0。季节的定义可以参照气象传统定义，3-5月为春季、6-8月为夏季、9-11月为秋季、12-次年2月为冬季。
三、针对台风影响指标
台风影响指标包括影响范围因子和影响强度因子，影响范围为台风移动过程中台风降水和大风影响的区域，影响强度为台风降水和大风带来的影响程度。
在基于台风检索条件在历史台风事件库提取台风影响指标时，可以包括以下步骤3.1）至步骤3.5）：
步骤3.1），基于台风风力等级确定影响半径，以台风中心点坐标为中线，影响半径以内的区域确定台风影响范围。在一种实施方式中，可以以台风中心点坐标为中心，半径r以内圆所包围区域，即为当前时刻台风的影响区域，以此类推，可得到台风全生命史的影响范围A_Area。影响半径r需根据台风风力等级确定，具体如下表：
步骤3.2），将历史台风的影响范围和台风检索条件所对应的影响范围的区域重叠比例确定影响范围因子；影响范围因子AA为历史台风与目标台风的影响范围的区域重叠比例。
步骤3.3），在台风影响范围内，基于台风降水累积量和台风风速，得到台风生命周期各个区域的降水总量和最大风速。
步骤3.4），根据降水总量和最大风速进行等级划分，得到降水影响等级和大风影响等级。在上述影响范围内，将台风降水累积、台风风速取大值，得到台风生命周期各个区域的总降水和最大风速，根据降水总量和风速进行等级划分，可得降水影响等级A_Pre和大风影响等级A_Win，等级划分依据如下：
步骤3.5），基于降水影响等级和对应的权重，以及大风影响等级和对应的权重，确定影响强度因子。台风降水影响强度因子AP定义为历史台风与目标台风的降水影响相关性；同理，台风大风影响强度因子AW定义为历史台风与目标台风的大风影响相关性，相关系数采用皮尔逊相关系数计算公式。
设ww和wp为AW和AP各自的权重，且，则影响强度因子的计算公式为：/>
四、针对天气形势指标因子
天气形势指标因子包括副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。在基于台风检索条件在历史台风事件库提取多指标特征因子，可以基于台风检索条件和经验正交分解，在历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。采用经验正交分解（Empirical Orthogonal Function，EOF）可以从复杂的时空数据中提取要素的空间变化特征，所得空间特征向量也称为空间模态，在一定程度上反映了各个指标因子的空间分布特点。
在具体实施时，基于台风检索条件和经验正交分解，在历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子，可以包括以下步骤4.1）和步骤4.2）：
步骤4.1），通过经验正交分解方法，分别提取历史台风事件库中的历史台风的副高背景场、温度场、散度场、水汽场分别对应的第一模态；
步骤4.2），基于历史台风的第一模态与台风检索条件对应的目标台风的所对应的第一模态之间的相关性，分别确定为副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
为便于理解，以下分别对副热带高压背景场、热力场、动力场、水汽场的计算方式进行说明。
（1）副高背景场采用500hPa位势高度场，通过经验正交分解（EOF）方法，提取副高背景场的第一模态，以该模态代表此次台风的背景环流场。副高背景场因子BW为历史台风与目标台风副高背景场第一模态之间的相关性。
（2）热力场采用高低层假相当位温表示，通过EOF方法，分别提取高低层温度场第一模态。假相当位温计算公式如下：
其中，为当层气压，/>为温度、/>为露点温度、/>为比湿。
高低层热力场因子BTH、BTL定义为历史台风与目标台风高低层假相当位温场第一模态之间的相关性。设w1和w2为BTH、BTL各自的权重，且，则热力场因子的计算公式为：/>
（3）动力场采用高低层辐合辐散表示，通过EOF方法，分别提取高低层散度场第一模态。散度计算公式如下：
其中，为风场纬向分量，/>为风场经向分量。
高低层散度场因子BDH、BDL定义为历史台风与目标台风高低层散度场第一模态之间的相关性。设w1和w2为BDH、BDL各自的权重，且，则动力场因子的计算公式为：/>
（4）水汽场采用低层水汽通量表示，通过EOF方法，分别提取高低层水汽通量场第一模态。水汽通量计算公式如下：
其中，为矢量风场，/>为重力加速度、/>为比湿。
水汽场因子BQ定义为历史台风与目标台风水汽通量场第一模态之间的相关性。
通过上述针对每个特征因子的提取方式进行说明，可以对多指标特征因子进行提取，进而构建多维度相似台风分析模型进行台风检索，综合考虑路径、季节、影响范围、影响程度、天气形势等多个特征因子，融入动力、热力、水汽等多种因素，特别增加西被太平洋副高的背景影响，建立了多维度相似台风检索模型，相似结果更精确可靠。
进一步，还可以对历史台风相似的回算、实时台风相似的监测以及未来台风相似的预测，提升了台风检索的业务应用范围。
进一步，本申请还提供了一种具体的多指标相似台风的检索方法，参见图2所示，该方法主要包括以下4个步骤：
步骤1：读取台风最佳路径数据集数据，构建历史台风事件库；
步骤2：提取多指标特征因子；
步骤3：构建多维度相似台风分析模型；
步骤4：相似台风检索。
针对每个步骤的具体实施手段，可以参见前述详细说明，此处不再赘述。
该方法通过选取路径、距离、季节、影响范围、影响程度、天气形势等多个特征因子，并在大气环境场特征方面融入动力、热力、水汽等多种因素，建立了归一化的相似台风检索模型，1、综合考虑路径、季节、影响范围、影响程度、天气形势等多个特征因子，融入动力、热力、水汽等多种因素，特别增加西被太平洋副高的背景影响，建立了多维度相似台风检索模型，相似结果更精确可靠。
基于上述方法实施例，本申请实施例还提供一种多指标相似台风的检索装置，参见图3所示，该装置主要包括以下部分：
库构建模块310，用于基于台风最佳路径数据集构建历史台风事件库；
特征因子提取模块320，用于基于台风检索条件在历史台风事件库提取多指标特征因子；
模型构建模块330，用于对多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于特征因子和特征因子的权重构建多维度相似台风分析模型；
相似台风检索模块340，用于通过多维度相似台风分析模型进行台风检索，得到与台风检索条件对应的目标相似台风。
本申请实施例提供的多指标相似台风的检索装置，基于多指标相似台风自动检索方法的区别在于选取了路径、距离、季节、影响范围、影响程度、天气形势等多个相似指标，并建立了综合相似台风检索模型，从地理、气象、灾害影响等多方面考虑，提升了相似台风检测的准确性。
在一可行的实施方式中，多指标特征因子包括地理指标，地理指标包括路径因子，路径因子用于表征整条台风路径上每两个台风中心点距离的累加，上述特征因子提取模块320，还用于：
基于历史台风事件库中每两个台风中心点的经纬度和地球半径确定单一历史台风路径总长度；根据单一历史台风路径总长度与台风检索条件所对应的目标台风的路径长度的比值，确定路径因子。
在一可行的实施方式中，地理指标还包括距离因子，距离因子用于表征台风检索条件所对应的台风中心点到历史台风距离最小值的平均值；
上述特征因子提取模块320，还用于：
将台风检索条件所对应的目标台风的所有中心点到历史台风事件库中的历史台风的距离最小值确定为距离因子。
在一可行的实施方式中，多指标特征因子包括季节因子；上述特征因子提取模块320，还用于：
基于台风检索条件确定台风发生时所处的季节；
如果历史台风与台风检索条件所对应的发生季节一致，则确定季节因子为1，否则为0。
在一可行的实施方式中，多指标特征因子包括台风影响指标，台风影响指标包括影响范围因子和影响强度因子；上述特征因子提取模块320，还用于：
基于台风风力等级确定影响半径，以台风中心点坐标为中线，影响半径以内的区域确定台风影响范围；将历史台风的影响范围和台风检索条件所对应的影响范围的区域重叠比例确定影响范围因子；在台风影响范围内，基于台风降水累积量和台风风速，得到台风生命周期各个区域的降水总量和最大风速；根据降水总量和最大风速进行等级划分，得到降水影响等级和大风影响等级；基于降水影响等级和对应的权重，以及大风影响等级和对应的权重，确定影响强度因子。
在一可行的实施方式中，多指标特征因子包括天气形势指标因子，天气形势指标因子包括副热带高压背景场因子、热力场因子、动力场因子和水汽场因子；
上述特征因子提取模块320，还用于：
基于台风检索条件和经验正交分解，在历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
在一可行的实施方式中，上述特征因子提取模块320，还用于：
通过经验正交分解方法，分别提取历史台风事件库中的历史台风的副高背景场、温度场、散度场、水汽场分别对应的第一模态，基于历史台风的第一模态与台风检索条件对应的目标台风的所对应的第一模态之间的相关性，分别确定为副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
本申请实施例提供的多指标相似台风的检索装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，多指标相似台风的检索装置的实施例部分未提及之处，可参考前述多指标相似台风的检索方法实施例中相应内容。
本申请实施例还提供了一种电子设备，如图4所示，为该电子设备的结构示意图，其中，该电子设备100包括处理器41和存储器40，该存储器40存储有能够被该处理器41执行的计算机可执行指令，该处理器41执行该计算机可执行指令以实现上述任一项多指标相似台风的检索方法。
在图4示出的实施方式中，该电子设备还包括总线42和通信接口43，其中，处理器41、通信接口43和存储器40通过总线42连接。
其中，存储器40可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口43（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线42可以是ISA（IndustryStandard Architecture，工业标准体系结构）总线、PCI（Peripheral ComponentInterconnect，外设部件互连标准）总线或EISA（Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线42可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
处理器41可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器41读取存储器中的信息，结合其硬件完成前述实施例的多指标相似台风的检索方法的步骤。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述多指标相似台风的检索方法，具体实现可参见前述方法实施例，在此不再赘述。
本申请实施例所提供的多指标相似台风的检索方法、装置、电子设备和存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种多指标相似台风的检索方法，其特征在于，所述方法包括：
基于台风最佳路径数据集构建历史台风事件库；
基于台风检索条件在所述历史台风事件库提取多指标特征因子；台风检索条件包括目标台风的台风基础信息和台风路径信息，所述多指标特征因子包括地理指标、季节因子、台风影响指标和天气形势指标因子，其中，地理指标包括路径因子和距离因子，台风影响指标包括影响范围因子和影响强度因子，天气形势指标因子包括副热带高压背景场因子、热力场因子、动力场因子和水汽场因子；
对所述多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于所述特征因子和所述特征因子的权重构建多维度相似台风分析模型；多维度相似台风分析模型为：
其中，为各个指标因子，包括归一化后的路径因子/>、距离因子/>、季节因子/>、影响范围因子/>、影响强度因子/>、副热带高压背景场因子/>、热力场因子/>、动力场因子/>、水汽场因子/>；/>为各个指标因子对应的权重；
通过所述多维度相似台风分析模型进行台风检索，得到与所述台风检索条件对应的目标相似台风；
所述副热带高压背景场因子为历史台风与目标台风副高背景场第一模态之间的相关性；
所述热力场因子的计算公式为：
其中，BTH、BTL定义为历史台风与目标台风高低层假相当位温场第一模态之间的相关性，w1和w2为BTH、BTL各自的权重，且；
所述动力场因子的计算公式为：；其中，BDH、BDL定义为历史台风与目标台风高低层散度场第一模态之间的相关性，w1和w2为BDH、BDL各自的权重，且/>；
水汽场因子BQ定义为历史台风与目标台风水汽通量场第一模态之间的相关性，水汽通量计算公式如下：
其中，为矢量风场，/>为重力加速度、/>为比湿。
2.根据权利要求1所述的多指标相似台风的检索方法，其特征在于，所述路径因子用于表征整条台风路径上每两个台风中心点距离的累加，
基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：
基于所述历史台风事件库中每两个台风中心点的经纬度和地球半径确定单一历史台风路径总长度；
根据单一历史台风路径总长度与所述台风检索条件所对应的目标台风的路径长度的比值，确定路径因子。
3.根据权利要求2所述的多指标相似台风的检索方法，其特征在于，所述距离因子用于表征所述台风检索条件所对应的台风中心点到历史台风距离最小值的平均值；
基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：
将所述台风检索条件所对应的目标台风的所有中心点到历史台风事件库中的历史台风的距离最小值确定为距离因子。
4.根据权利要求1所述的多指标相似台风的检索方法，其特征在于，基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：
基于所述台风检索条件确定台风发生时所处的季节；
如果所述历史台风与所述台风检索条件所对应的发生季节一致，则确定季节因子为1，否则为0。
5.根据权利要求1所述的多指标相似台风的检索方法，其特征在于，所述台风影响指标包括影响范围因子和影响强度因子；基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：
基于台风风力等级确定影响半径，以台风中心点坐标为中线，所述影响半径以内的区域确定台风影响范围；
将历史台风的影响范围和所述台风检索条件所对应的影响范围的区域重叠比例确定所述影响范围因子；
在所述台风影响范围内，基于台风降水累积量和台风风速，得到台风生命周期各个区域的降水总量和最大风速；
根据降水总量和最大风速进行等级划分，得到降水影响等级和大风影响等级；
基于所述降水影响等级和对应的权重，以及所述大风影响等级和对应的权重，确定影响强度因子。
6.根据权利要求1所述的多指标相似台风的检索方法，其特征在于，基于台风检索条件在所述历史台风事件库提取多指标特征因子，包括：
基于台风检索条件和经验正交分解，在所述历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
7.根据权利要求6所述的多指标相似台风的检索方法，其特征在于，基于台风检索条件和经验正交分解，在所述历史台风事件库分别提取副热带高压背景场因子、热力场因子、动力场因子和水汽场因子，包括：
通过经验正交分解方法，分别提取历史台风事件库中的历史台风的副高背景场、温度场、散度场、水汽场分别对应的第一模态，基于所述历史台风的所述第一模态与台风检索条件对应的目标台风的所对应的第一模态之间的相关性，分别确定为副热带高压背景场因子、热力场因子、动力场因子和水汽场因子。
8.一种多指标相似台风的检索装置，其特征在于，所述装置包括：
库构建模块，用于基于台风最佳路径数据集构建历史台风事件库；
特征因子提取模块，用于基于台风检索条件在所述历史台风事件库提取多指标特征因子；台风检索条件包括目标台风的台风基础信息和台风路径信息，所述多指标特征因子包括地理指标、季节因子、台风影响指标和天气形势指标因子，其中，地理指标包括路径因子和距离因子，台风影响指标包括影响范围因子和影响强度因子，天气形势指标因子包括副热带高压背景场因子、热力场因子、动力场因子和水汽场因子；
模型构建模块，用于对所述多指标特征因子进行归一化处理，设置各指标的特征因子对应的权重，基于所述特征因子和所述特征因子的权重构建多维度相似台风分析模型；多维度相似台风分析模型为：
其中，为各个指标因子，包括归一化后的路径因子/>、距离因子/>、季节因子/>、影响范围因子/>、影响强度因子/>、副热带高压背景场因子/>、热力场因子/>、动力场因子/>、水汽场因子/>；/>为各个指标因子对应的权重；
相似台风检索模块，用于通过所述多维度相似台风分析模型进行台风检索，得到与所述台风检索条件对应的目标相似台风；
所述副热带高压背景场因子为历史台风与目标台风副高背景场第一模态之间的相关性；
所述热力场因子的计算公式为：
其中，BTH、BTL定义为历史台风与目标台风高低层假相当位温场第一模态之间的相关性，w1和w2为BTH、BTL各自的权重，且；
所述动力场因子的计算公式为：；其中，BDH、BDL定义为历史台风与目标台风高低层散度场第一模态之间的相关性，w1和w2为BDH、BDL各自的权重，且/>；
水汽场因子BQ定义为历史台风与目标台风水汽通量场第一模态之间的相关性，水汽通量计算公式如下：
其中，为矢量风场，/>为重力加速度、/>为比湿。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的多指标相似台风的检索方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现权利要求1至7任一项所述的多指标相似台风的检索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310672637.4A CN116401474B (zh) | 2023-06-08 | 2023-06-08 | 多指标相似台风的检索方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310672637.4A CN116401474B (zh) | 2023-06-08 | 2023-06-08 | 多指标相似台风的检索方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116401474A CN116401474A (zh) | 2023-07-07 |
| CN116401474B true CN116401474B (zh) | 2023-09-12 |
Family
ID=87010924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310672637.4A Active CN116401474B (zh) | 2023-06-08 | 2023-06-08 | 多指标相似台风的检索方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116401474B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200081A (zh) * | 2014-08-22 | 2014-12-10 | 清华大学 | 基于历史数据的登陆台风特征因子的预报方法及系统 |
| CN107133636A (zh) * | 2017-03-30 | 2017-09-05 | 宁波市水利水电规划设计研究院 | 一种获取相似台风的方法和系统 |
| CN114003623A (zh) * | 2021-11-22 | 2022-02-01 | 南京恩瑞特实业有限公司 | 一种相似路径台风的检索方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9230219B2 (en) * | 2010-08-23 | 2016-01-05 | Institute Of Nuclear Energy Research Atomic Energy Council, Executive Yuan | Wind energy forecasting method with extreme wind speed prediction function |
-
2023
- 2023-06-08 CN CN202310672637.4A patent/CN116401474B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200081A (zh) * | 2014-08-22 | 2014-12-10 | 清华大学 | 基于历史数据的登陆台风特征因子的预报方法及系统 |
| CN107133636A (zh) * | 2017-03-30 | 2017-09-05 | 宁波市水利水电规划设计研究院 | 一种获取相似台风的方法和系统 |
| CN114003623A (zh) * | 2021-11-22 | 2022-02-01 | 南京恩瑞特实业有限公司 | 一种相似路径台风的检索方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116401474A (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gupta et al. | Creating xBD: A dataset for assessing building damage from satellite imagery | |
| CN106649331B (zh) | 商圈识别方法及设备 | |
| CN110968654B (zh) | 文本数据的地址类目确定方法、设备以及系统 | |
| US9159132B1 (en) | Process and system for identifying damage | |
| CN108595582B (zh) | 一种基于社会信号的灾害性气象热点事件识别方法 | |
| WO2022011728A1 (zh) | 一种面向遥相关模式的空间自相关聚类方法 | |
| CN114140683A (zh) | 一种航拍图像目标检测的方法、设备与介质 | |
| CN108985327A (zh) | 一种基于因子分析的地形匹配区自组织优化分类方法 | |
| CN112182264B (zh) | 地标信息的确定方法、装置、设备及可读存储介质 | |
| CN103778262A (zh) | 基于叙词表的信息检索方法及装置 | |
| CN112818162A (zh) | 图像检索方法、装置、存储介质和电子设备 | |
| Sarquis et al. | Species distribution models and empirical test: Comparing predictions with well‐understood geographical distribution of Bothrops alternatus in Argentina | |
| CN117421643B (zh) | 基于人工智能的生态环境遥感数据分析方法及系统 | |
| CN111611992A (zh) | 确定兴趣面的方法、装置和计算机设备 | |
| CN107967454B (zh) | 顾及空间邻域关系的双路卷积神经网络遥感分类方法 | |
| CN116778318A (zh) | 一种卷积神经网络遥感影像道路提取模型及方法 | |
| Zhao et al. | Extracting and classifying typhoon disaster information based on volunteered geographic information from Chinese Sina microblog | |
| CN117556079B (zh) | 遥感影像内容检索方法、装置、电子设备及介质 | |
| CN117114105B (zh) | 基于科研大数据信息的目标对象推荐方法和系统 | |
| CN117312688B (zh) | 基于时空资产目录的跨源数据检索方法、介质及设备 | |
| CN116401474B (zh) | 多指标相似台风的检索方法、装置、电子设备和存储介质 | |
| CN116030266A (zh) | 基于改进YOLOv3的自然场景下路面裂缝检测和分类方法 | |
| CN112966762A (zh) | 一种野生动物检测方法、装置、存储介质及电子设备 | |
| CN117370893A (zh) | 一种随机森林模型的滑坡易发性评价方法 | |
| CN105117425B (zh) | 选择兴趣点poi数据的方法及装置 |
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 |