(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210284772.7 (22)申请日 2022.03.24 (71)申请人 夏新宇 地址 110015 辽宁省沈阳市 浑南区白塔镇 创新路195号 申请人 高忆博 (72)发明人 夏新宇　高忆博　王泽众　赵天畅　 栗佳伟　乔百友　 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01W 1/10(2006.01) (54)发明名称 一种基于多元特征的台风轨 迹预测方法 (57)摘要 一种基于多元特征的台风轨迹预测方法， 属 于台风预报技术领域。 本发明包括输入影响台风 轨迹的各种特征， 其中包括气象特征、 海洋特征、 地理特征、 物理特征， 对于不同特征， 基于其输入 的数据类型用不同的网络来进行特征提取， 对不 同特征提取之后， 采用特征加权方式进行特征融 合， 将其融合为带权的多维向量， 然后作为LSTM 神经网络的输入， 使其输出结果为下一时间点台 风的位置， 并用PyTorch的分布式训练框架 DistributedD ataParallel来训练模型。 本发明 基于多元特征对台风轨迹进行预测， 可以很大程 度提高台风轨迹预测的准确性， 使台风对人民正 常生活的损害性降低。 权利要求书2页 说明书3页 附图2页 CN 114818860 A 2022.07.29 CN 114818860 A 1.一种基于多元 特征的台风轨 迹预测方法， 其特 征在于包括以下步骤： S1.输入影响台风轨迹的各种特征， 其中包括气象特征、 海洋特征、 地理特征、 物理特 征， 对于不同特征， 基于其输入的数据类型用不同的网络来进行特征提取,其中， 数据主要 采集自0°N到60°N纬度和10 0°E到180°E经度之间的区域； S2.对不同特征提取之后， 采用特征加权方式进行特征融合， 将其融合为带权的70维的 特征向量， 然后作为预测器的输入； S3.由于循环神经网络RNN在处理时间序列数据上具有巨大的优势， 且神经网络LSTM改 善了RNN中存在的长期依赖问题， 故选择LSTM神经网络来作为预测器， 对LSTM输入指 定时间 序列的多维向量， 使其输出 结果为下一时间点台风的位置； S4.使用PyTorch的分布式训练框架DistributedDataParallel来减少模型收敛所 需要 的时间， 加快训练速度， 更好的处 理大量数据。 2.根据权利要求1所述的多元 特征的台风轨 迹预测方法， 其特 征在于： 所述步骤S1中气象特征如： 位势高度、 相对湿度、 东西 向风速、 南北向风速、 气温， 对于 每一个特征， 分别在2 00hPa、 500hPa、 700hPa、 850hPa、 1000hPa采集数据， 每隔一段时间采集 一次数据并制成二维三通道图片， 其格式为3 ×25×33， 用最新的RegNet网络来处理这些图 像， 并根据输入的大小， 将填充设置为7 ×7， 将200hPa、 500hPa、 700hPa、 850hPa、 1000hPa看 作五个影响台风轨迹的因子， 故将网络的最后的全连接层的输出维度设为五即输出结果为 五维向量。 3.根据权利要求1所述的多元 特征的台风轨 迹预测方法， 其特 征在于： 所述步骤S1中海洋特征如： 海表面温度、 海水26℃等温线相关的物 理量、 海洋混合层相 关的物理量、 温跃层相关的物理量、 海 水三维温度、 海水三 维盐度、 海 水三维密度， 其中海表 面温度的输入是一个二维三通道图片， 其格式为3 ×242×326， 用最新的RegNet网络来处理 且填充设置为7 ×7， 其中海水26℃等温线相关的物理量包含海水26 °等温线的深度和海水 26°等温线以上的热含量， 海洋混合层相关的物理量包含混合层厚度和混合层的热含量， 温 跃层相关的物理量包含温跃层的深度、 温跃层以上的热含量、 温跃层强度， 他们的输入都是 二维三通道图片， 且格式都为3 ×63×84， 都采用最新的RegNet网络来处理且填充设置为3 ×4， 且将网络的最后的全连接层的输出维度设为五即输出结果为 五维向量， 使每个特征都 可以输出一个五维向量， 由于海 水三维温度、 海水三 维盐度、 海水三维密度三个特征的输入 的维度是三维， 故采用ResNet  3D来处理这些特征， 由于这三个特征的输入格式都为3 ×17 ×63×84， 故填充设置为1 ×3×4， 且将网络的最后的全连接层的输出维度设为五， 使每个 特征都可以对应一个五 维向量。 4.根据权利要求1所述的多元 特征的台风轨 迹预测方法， 其特 征在于： 所述步骤S1中的地理特征如： 地形、 地转力， 物理特征如： 台风的位置和方向、 速度、 强 度， 一般认为地形是不变的， 即在所有时间上地形都是一样的， 且由于海洋上几乎无地形影 响， 故对其设为0， 地形数据的输入为3 ×121×161的二维三色通道， 采用最新的RegNet网络 来处理且填充设置为7 ×7， 由地转力公 式F＝2mvω sinθ， 其中m是物体的质量、 v是物体的速 度、 ω是地球自转的角速度、 θ是物体开始 运动前的纬度， 考虑到台风的质量难以估计， 我们 使用地转力梯度来表示地转力对台风的影响， 其大小等于2vωsinθ， 台风的位置和方向用 经纬度来表示， 台风的速度用连续两个时刻的平均速度来表示， 台风的强度取决于其最大权　利　要　求　书 1/2 页 2 CN 114818860 A 2风速， 因此我们用台风的最大风速来表示其强度， 将地转力、 台风的位置、 方向、 速度、 强度 用一个全连接的网络来处 理， 使其输出为五 维向量。权　利　要　求　书 2/2 页 3 CN 114818860 A 3