[发明专利]基于变分自编码的台风云图外推方法、系统、设备和介质有效
| 申请号: | 202211298906.7 | 申请日: | 2022-10-20 |
| 公开(公告)号: | CN115661277B | 公开(公告)日: | 2023-06-02 |
| 发明(设计)人: | 谭金凯 | 申请(专利权)人: | 中山大学 |
| 主分类号: | G06T9/00 | 分类号: | G06T9/00;G06N3/04;G06N3/084 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 江嘉玲 |
| 地址: | 510275 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 编码 台风 云图 方法 系统 设备 介质 | ||
1.一种基于变分自编码的台风云图外推方法,其特征在于,所述方法包括以下步骤:
获取卫星云图数据和历史台风最佳路径数据,并根据所述卫星云图数据和历史台风最佳路径数据,构建台风云图外推数据集;
根据所述台风云图外推数据集,构建得到台风云图外推预测模型;所述台风云图外推预测模型包括依次连接的变分自编码器、解码器和三维点云重采样器;所述变分自编码器包括依次连接的第一二维卷积层、第二二维卷积层、第三二维卷积层、第一全连接层和分布隐变量拟合层;所述解码器包括依次连接的特征重采样层、第一维度转换层、第一二维反卷积层、第二二维反卷积层和第三二维反卷积层;所述三维点云重采样器包括依次连接的坐标参数矩阵优化模块、坐标重采样模块和双线性插值模块;所述坐标参数矩阵优化模块包括线性展平层、第二全连接层、第三全连接层、第四全连接层和第二维度转换层;
获取待预测台风的初始卫星云图数据,并将所述初始卫星云图数据输入所述台风云图外推预测模型进行云图外推预测,得到对应的云图预测结果;
其中,所述根据所述卫星云图数据和历史台风最佳路径数据,构建台风云图外推数据集的步骤包括:
将所述卫星云图数据添加对应的经纬度信息,得到预处理卫星云图数据;
根据所述历史台风最佳路径数据,得到对应的台风记录;所述台风记录包括台风最大风速、台风中心经纬度、台风最低中心气压、台风登陆位置、台风转向和台风移速;
将所述台风记录与所述预处理卫星云图数据按照预设规则进行匹配,得到各个台风记录的匹配卫星云图信息;所述预设规则为经纬度信息和时间信息一一对应;所述匹配卫星云图信息包括经纬度信息和时间信息;
根据各个台风记录和对应的匹配卫星云图信息,构建得到所述台风云图外推数据集;
所述将所述初始卫星云图数据输入所述台风云图外推预测模型进行云图外推预测,得到对应的云图预测结果的步骤包括:
将所述初始卫星云图数据输入变分自编码器进行特征提取,得到隐含特征分布;
将所述隐含特征分布输入所述解码器依次进行特征重采样、维度转换和解码处理,得到重构特征;
将所述重构特征输入所述三维点云重采样器进行点云重采样,得到所述云图预测结果。
2.如权利要求1所述的基于变分自编码的台风云图外推方法,其特征在于,所述根据各个台风记录和对应的匹配卫星云图信息,构建得到所述台风云图外推数据集的步骤包括:
根据各个台风记录时间,确定各个台风的发生时间;
分别以各个台风的发生时间为起点,按照预设时间间隔倒序选取预设数目个卫星云图样本;
将所述卫星云图样本按照预设时序比例划分,得到训练样本和对应的样本标签;
根据各个训练样本和对应的样本标签,构建得到所述台风云图外推数据集。
3.如权利要求1所述的基于变分自编码的台风云图外推方法,其特征在于,所述第一二维卷积层、第二二维卷积层、第三二维卷积层的卷积核大小均为3*3,卷积步长均为2*2;第一二维卷积层的输入通道数和输出通道数分别为6和12;所述第二二维卷积层的输入通道数和输出通道数分别为12和18;所述第三二维卷积层的输入通道数和输出通道数分别为18和24;
所述第一二维反卷积层、第二二维反卷积层、第三二维反卷积层的卷积核大小均为2*2,卷积步长均为2*2;第一二维反卷积层的输入通道数和输出通道数分别为24和18;所述第二二维反卷积层的输入通道数和输出通道数分别为18和12;所述第三二维反卷积层的输入通道数和输出通道数分别为12和6。
4.如权利要求3所述的基于变分自编码的台风云图外推方法,其特征在于,所述第二全连接层的输入通道数和输出通道数分别为6291456和25084;所述第三全连接层的输入通道数和输出通道数分别为25084和158;所述第四全连接层的输入通道数和输出通道数分别为158和16。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211298906.7/1.html,转载请声明来源钻瓜专利网。





