[发明专利]一种基于点云体素的台风定强方法、系统、设备及介质

说明书

本发明涉及深度学习技术领域，尤其涉及一种基于点云体素的台风定强方法、系统、设备及介质，包括：利用不同感知域对所述点云体素特征进行深度卷积并融合，得到融合特征；对所述融合特征进行通道混洗、扩充，得到第一点云特征；利用通道注意力机制对所述第一点云特征进行特征提取，得到第二点云特征；将所述第二点云特征输入三维稀疏卷积层进行稀疏化，得到第三点云特征；将所述第三点云特征输入三维压缩卷积层进行特征压缩，得到第四点云特征；根据所述第四点云特征预测得到台风强度，解决了现有的台风定强方法具有一定的人为主观性和不确定性，无法全面、客观预测台风强度的问题，本发明提供的方法泛化能力强，计算复杂度低，精确性高。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于点云体素的台风定强方法、系统、设备及介质。

背景技术

台风是生成于热带或亚热带洋面上且具有气旋性漩涡结构的天气系统，其破坏力表现为大风、强降雨和风暴潮等，是造成沿海地区人员伤亡和财产损失的直接因素，台风定强是台风预报的重要组成部分，科学、精准、及时的台风定强是开展防台减灾工作的重要提前；自上世纪70年代起，德沃夏克(Dvorak)分析法被逐渐引入台风定强分析中，其采用卫星云图的云系结构特征为对象，制定一系列具有先验知识的限定规则和约束条件，并将台风的涡度结构、垂直风切变和对流活动与台风强度建立统计关系，最终实现台风定强，经过多年的实践努力，该技术及其改进版本已成为当前较成熟的台风业务定强分析技术，同时在世界各主要台风预报机构中有广泛的应用，但是，德沃夏克分析法的主要缺陷包括：

(1)在卫星云图中，该方法对各云系结构、云系特征的判断和识别在一定程度上依赖于先验知识，其部分操作步骤也基于专家系统，具有一定的人为主观性和不确定性。

(2)该方法在分析中需要遵循一系列事先制定的限定规则和约束条件，但这些条件仍无法全面描述所有台风的强度变化规律，例如对于热带低压、突变型台风、登陆型台风、快速移动型台风等，会出现不同程度的强度低估或高估情况。

(3)台风中心最大风速与最低气压的关系不明确，从而影响台风定强估计的精度。

发明内容

本发明提供了一种基于点云体素的台风定强方法、系统、设备及介质，解决的技术问题是，现有的台风定强方法具有一定的人为主观性和不确定性，无法全面、客观预测台风强度。

为解决以上技术问题，本发明提供了一种基于点云体素的台风定强方法、系统、设备及介质。

第一方面，本发明提供了一种基于点云体素的台风定强方法，所述方法包括以下步骤：

对采集到的云数据和台风信息进行预处理，得到点云体素特征；

利用不同感知域对所述点云体素特征进行深度卷积并融合，得到融合特征；

对所述融合特征进行通道混洗、扩充，得到第一点云特征；

利用通道注意力机制对所述第一点云特征进行特征提取，得到第二点云特征；

将所述第二点云特征输入三维稀疏卷积层进行稀疏化，得到第三点云特征；

将所述第三点云特征输入三维压缩卷积层进行特征压缩，得到第四点云特征；

根据所述第四点云特征预测得到台风强度；

其中，所述感知域包括条形感知域和圆形感知域。

在进一步的实施方案中，所述对采集到的云数据和台风信息进行预处理，得到点云体素特征的步骤包括：

对采集到的云数据进行数据清洗，得到云特征数据；

对采集到的台风信息提取，得到气旋数据；

利用所述气旋数据中的气旋中心位置和气旋时间对所述云特征数据进行匹配、裁剪，得到初始点云数据；