基于CNN-typhoon模型的全球台风报文收集方法研究

作者：韩瑞^*; 顾春利; 李哲; 伍康; 高峰; 沈文海

来源：计算机科学, 2020, S2: 11-17.

• 卷积神经网络(CNN)
• 台风报文
• 识别
• 分类
• 收集

台风是一种高影响的强对流天气系统。台风报文资料作为提供台风初值的最初来源,对改进台风预报准确性有一定的帮助,因此做好全球台风的报文快速识别收集工作至关重要。针对现有全球台风报文实时性差、延迟高、报文被动接收的问题,本研究利用MSG,Meteosat-5,MTSAT,GOES-W,GOES-E卫星图像数据,通过训练2006年1月-2020年8月的1 351次全球热带气旋过程,共计8 983张红外卫星图像,基于深度学习算法,提出了一种CNN-typhoon模型,可以对无台风、台风生成、台风最强等3种图像进行识别分类。实验证明:CNN-typhoon模型训练集的识别精度可接近100%,验证集精度高于88.1%;同时将模型代入模拟业务,在一定时段内增加了接近31.0%的报文收集种类,报文收集时效提高了23.5倍。

• 单位
  国家气象信息中心; 北京应用气象研究所; 清华大学