一种基于网格大数据统计方法的热带气旋路径预报方法专利检索-热带气旋自然灾害的预防与保护专利检索查询-专利查询网

一种基于网格大数据统计方法的热带气旋路径预报方法

阅读：769发布：2020-05-17

专利汇可以提供一种基于网格大数据统计方法的热带气旋路径预报方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于网格大数据统计方法的热带气旋路径预报方法，包括：将热带气旋路径出现或发生的重要海域，按照经度和纬度以一度为步长划分网格，统计所有热带气旋路径节点出现的次数及其分布情况；选择热带气旋路径进入24、48或72小时警戒线之前的节点作为起始点，筛选经过该起始点所在网格的大数据，统计所有历史热带气旋路径在该点及前一节点、后一节点共三个节点处的历史关联数据；分析并筛选出决定热带气旋路径的主要影响因素，作为预报参数，计算起始点之前一节点至起始点、起始点至起始点之后一节点的预报参数在大数据中的概率分布，建立基于大数据的热带气旋路径网格节点统计预报模型，根据预报模型对热带气旋路径进行预报和预警。，下面是一种基于网格大数据统计方法的热带气旋路径预报方法专利的具体信息内容。

权利要求

1.一种基于网格大数据统计方法的热带气旋路径预报方法，其特征在于，包括如下步骤：
步骤S1 ：将热带气旋路径出现或发生的重要海域，按照经度和纬度以一度为步长划分平面网格，在平面网格内统计历史上所有热带气旋路径节点出现的次数及其分布情况，形成热带气旋路径节点网格大数据；
步骤S2 ：选择热带气旋路径进入24、48或72小时警戒线之前的节点作为起始点，在大数据中提取热带气旋路径经过该起始点所在网格的大数据，统计大数据中所有历史热带气旋路径在该点及其各自关联的前一节点、后一节点共三个网格节点处的历史关联数据；
步骤S3 ：根据大数据中的历史关联数据，分析并筛选出决定热带气旋路径的主要影响因素，作为预报参数，计算起始点之前的相邻节点至起始点、起始点至起始点之后的相邻节点的预报参数在大数据中的概率分布，依此类推，建立基于网格大数据的热带气旋路径网格节点统计预报模型，根据预报模型对热带气旋路径进行预报；其中所述主要影响因素包括路径前进方向偏转角度、中心风速和中心气压的变化值；
其中，对于路径前进偏转方向的预报：以前进方向偏转角度为预报参数，根据大数据绘出起始点之前的相邻节点至起始点、起始点至起始点之后的相邻节点共三个节点处的所有历史热带气旋路径移动的方位角玫瑰图，来判断热带气旋路径前进的主方向及其偏转角度，然后根据大数据建立历史热带气旋路径方向与下一时刻前进方向偏转角度之间的相关关系，得到当前前进方向上不同偏转角度的出现概率，以此对热带气旋下一时刻的偏转方向进行有确切概率分布的预报；
对于中心风速的预报：以风速变化值作为预报参数，根据大数据建立历史热带气旋路径方向与下一时刻风速变化值的相关关系，得到当前前进方向上不同风速变化值的出现概率，以此对热带气旋下一时刻的风速增大还是减小进行有确切概率分布的预报；
对于中心气压的预报：以气压变化值作为统计参数，根据大数据建立历史热带气旋路径方向与下一时刻气压变化值的相关关系，得到当前前进方向上不同气压变化值的出现概率，以此对热带气旋下一时刻的气压增大还是减小进行有确切概率分布的预报。
2.根据权利要求1所述的基于网格大数据统计方法的热带气旋路径预报方法，其特征在于，还包括步骤S4 ：利用预报参数的概率分布，来判断当前热带气旋的预报参数是否处于大数据的正常概率分布区间内，如果该预报参数的当前值位于趋于反常的概率分布区间内，则对其进行预警。
3.根据权利要求1所述的基于网格大数据统计方法的热带气旋路径预报方法，其特征在于，步骤S1中，所述平面网格内的历史热带气旋路径节点数在51-147个之间。
4.根据权利要求1所述的基于网格大数据统计方法的热带气旋路径预报方法，其特征在于，步骤S3中，热带气旋路径前进方向偏转角度的分布符合正态分布，对历史大数据中前进方向偏转角度按照左偏和右偏两类分别进行排序，形成左偏的离散变量和右偏的离散变量，得到左偏的离散变量和右偏的离散变量出现的概率，由此建立热带气旋路径方向与下一时刻前进方向偏转角度之间的相关关系，得到当前前进方向上不同偏转角度的出现概率，以此对热带气旋下一时刻的偏转方向进行有确切概率分布的预报。
5.根据权利要求1所述的基于网格大数据统计方法的热带气旋路径预报方法，其特征在于，步骤S3中，风速变化值的分布符合正态分布，对历史大数据中风速变化值按照增大和减少两类分别进行排序，形成增大的离散变量和减少的离散变量，得到增大的离散变量和减少的离散变量出现的概率，由此建立历史热带气旋路径方向与下一时刻风速变化值的相关关系，得到当前前进方向上不同风速变化值的出现概率，以此对热带气旋下一时刻的风速增大还是减小进行有确切概率分布的预报。
6.根据权利要求1所述的基于网格大数据统计方法的热带气旋路径预报方法，其特征在于，步骤S3中，气压变化值的分布符合正态分布，对历史大数据中气压变化值按照增大和减少两类分别进行排序，形成增大的离散变量和减少的离散变量，得到增大的离散变量和减少的离散变量出现的概率，由此建立历史热带气旋路径方向与下一时刻气压变化值的相关关系，得到当前前进方向上不同气压变化值的出现概率，以此对热带气旋下一时刻的气压增大还是减小进行有确切概率分布的预报。

说明书全文

一种基于网格大数据统计方法的热带气旋路径预报方法

技术领域

[0001] 本发明涉及热带气旋路径预报方法，具体涉及一种基于网格大数据统计方法的热带气旋路径预报方法。

背景技术

[0002] 热带气旋是发生在热带海洋上空的强烈空气漩涡，其威力大，破坏力强，过境时往往伴随着狂风、暴雨、巨浪和风暴潮，我国是世界上遭受热带气旋影响最多、最广、灾害最严重的国家之一。提高热带气旋的预报能力可以有效减轻这种严重气象灾害多社会、经济造成的损害，因而不断提高热带气旋业务预报水平和能力始终是我国气象服务的一项重要任务。在这当中，热带气旋路径的预报又是热带气旋预报服务中最主要的内容之一，因为路径预报的准确与否，不仅在很大程度上决定着其风雨及强对流天气预报的好坏，而且对防台抗台起着关键性作用。

[0003] 目前，热带气旋路径的预报系统大致分为3类：数值预报法、客观统计预报方法和主观经验预报方法。也有些预报方法属于包含多种方法的综合集成预报方法。由于海洋上资料的缺乏、物理过程分析不准所带来的参数变化选取不正确等原因，常常导致热带气旋路径数值预报水平不高，预报误差大。虽然客观预报方法已取得较好的预报效果，但是目前，对于热带气旋的移动路径变化的业务预报精度提高不大。因此有必要研究一种预报精度相对较高、且具有确定性的预报概率的客观预报方法。

发明内容

[0004] 为解决上述问题，本发明的目的在于提供一种基于网格大数据统计方法的热带气旋路径预报方法，该方法可以对热带气旋路径作出相对精确地预报、且其预报结果具有确定性的出现概率，可促进热带气旋的预报业务提升与实时台风灾害的预警能力。

[0005] 本发明是通过以下技术方案实现：一种基于网格大数据统计方法的热带气旋路径预报方法，包括如下步骤：
步骤S1 ：将热带气旋路径出现或发生的重要海域，按照经度和纬度以一度为步长划分平面网格，在平面网格内统计历史上所有热带气旋路径节点出现的次数及其分布情况，形成热带气旋路径节点网格大数据；
步骤S2 ：选择热带气旋路径进入24、48或72小时警戒线之前的节点作为起始点，在大数据中提取热带气旋路径经过该起始点所在网格的大数据，统计大数据中所有历史热带气旋路径在该点及其各自关联的前一节点、后一节点共三个网格节点处的历史关联数据；
步骤S3 ：根据大数据中的历史关联数据，分析并筛选出决定热带气旋路径的主要影响因素，作为预报参数，计算起始点之前的相邻节点至起始点、起始点至起始点之后的相邻节点的预报参数在大数据中的概率分布，依此类推，建立基于网格大数据的热带气旋路径网格节点统计预报模型，根据预报模型对热带气旋路径进行预报；其中所述主要影响因素包括路径前进方向偏转角度、中心风速和中心气压的变化值；
其中，对于路径前进偏转方向的预报：以前进方向偏转角度为预报参数，根据大数据绘出起始点之前的相邻节点至起始点、起始点至起始点之后的相邻节点共三个节点处的所有历史热带气旋路径移动的方位角玫瑰图，来判断热带气旋路径前进的主方向及其偏转角度，然后根据大数据建立历史热带气旋路径方向与下一时刻前进方向偏转角度之间的相关关系，得到当前前进方向上不同偏转角度的出现概率，以此对热带气旋下一时刻的偏转方向进行有确切概率分布的预报；
对于中心风速的预报：以风速变化值作为预报参数，根据大数据建立历史热带气旋路径方向与下一时刻风速变化值的相关关系，得到当前前进方向上不同风速变化值的出现概率，以此对热带气旋下一时刻的风速增大还是减小进行有确切概率分布的预报；
对于中心气压的预报：以气压变化值作为统计参数，根据大数据建立历史热带气旋路径方向与下一时刻气压变化值的相关关系，得到当前前进方向上不同气压变化值的出现概率，以此对热带气旋下一时刻的气压增大还是减小进行有确切概率分布的预报。

[0006] 作为本发明进一步优选的方案，还包括步骤S4 ：利用预报参数的概率分布，来判断当前热带气旋的预报参数是否处于大数据的正常概率分布区间内，如果该预报参数的当前值位于趋于反常的概率分布区间内，则对其进行预警。

[0007] 优选的，步骤S1中，所述平面网格内的历史热带气旋路径节点数在51-147个之间。

[0008] 优选的，步骤S3中，热带气旋路径前进方向偏转角度的分布符合正态分布，对历史大数据中前进方向偏转角度按照左偏和右偏两类分别进行排序，形成左偏的离散变量和右偏的离散变量，得到左偏的离散变量和右偏的离散变量出现的概率，由此建立热带气旋路径方向与下一时刻前进方向偏转角度之间的相关关系，得到当前前进方向上不同偏转角度的出现概率，以此对热带气旋下一时刻的偏转方向进行有确切概率分布的预报。

[0009] 优选的，步骤S3中，风速变化值的分布符合正态分布，对历史大数据中风速变化值按照增大和减少两类分别进行排序，形成增大的离散变量和减少的离散变量，得到增大的离散变量和减少的离散变量出现的概率，由此建立历史热带气旋路径方向与下一时刻风速变化值的相关关系，得到当前前进方向上不同风速变化值的出现概率，以此对热带气旋下一时刻的风速增大还是减小进行有确切概率分布的预报。

[0010] 优选的，步骤S3中，气压变化值的分布符合正态分布，对历史大数据中气压变化值按照增大和减少两类分别进行排序，形成增大的离散变量和减少的离散变量，得到增大的离散变量和减少的离散变量出现的概率，由此建立历史热带气旋路径方向与下一时刻气压变化值的相关关系，得到当前前进方向上不同气压变化值的出现概率，以此对热带气旋下一时刻的气压增大还是减小进行有确切概率分布的预报。

[0011] 本发明与现有技术相比，具有如下有益效果：本发明基于网格大数据统计方法提供一种新的热带气旋路径的预报方法，通过该方法，可以对热带气旋路径作出相对精确地预报，且其预报结果具有确定性的出现概率，能提升热带气旋的预报业务与实时灾害的预警能力。
附图说明

[0012] 图1为1949年-2015年所有热带气旋路径节点分布图；图2为网格内1949年-2015年所有热带气旋路径节点数分布图；
图3为台风海鸥在点（119.6，18.1）所属的网格内当前时刻的方位角玫瑰图（a）和下一时刻的方位角玫瑰图（b）；
图4为热带气旋不同路径方向与下一时刻前进方向偏转角的相关关系图；
图5为热带气旋不同偏转角度的发生概率分布图；
图6为热带气旋当前节点及之后节点的方位角比较图；
图7为热带气旋前进方向与速度变化值的相关关系图；
图8为热带气旋当前节点所在位置的最大风速变化值出现的概率分布图；
图9为热带气旋不同前进方向与气压变化值的相关关系图；
图10为热带气旋不同中心气压变化值的出现概率分布图。

具体实施方式

[0013] 下面通过具体实施方式来进一步说明本发明，以下实施例为本发明具体的实施方式，但本发明的实施方式并不受下述实施例的限制。

[0014] 一种基于网格大数据统计方法的热带气旋路径预报方法，包括如下步骤：步骤S1 ：将热带气旋路径出现或发生的重要海域，按照经度和纬度以一度为步长划分平面网格，在平面网格内统计历史上所有热带气旋路径节点出现的次数及其分布情况，形成热带气旋路径节点网格大数据；
一般统计基数的大小对预报的稳定性和精度非常重要，基数越大，预报的稳定性和精度就会高一些。图1 为1949年-2015年所有热带气旋路径节点分布图，由图中可以看出，
1949年-2015年总共有59883个节点，节点位置越密，表示热带气旋发生概率越高。在这些节点中，有一些是重复的，重合节点共有12100个，重复的次数，最多是9次，重合率25%。因此，如果以这些节点来统计预报，则会存在统计的基数过少的问题。因此，本发明将热带气旋路径出现或发生的重要海域，按照经度和纬度以一度为步长划分平面网格，在平面网格内统计历史上所有热带气旋路径节点出现的次数及其分布情况，如图2给出了网格内热带气旋路径节点数分布情况，网格内的节点数在51-147个之间，这样基数足够大，提高了预报的稳定性和精度。

[0015] 步骤S2 ：选择热带气旋路径进入24、48或72小时警戒线之前的节点作为起始点，在大数据中提取热带气旋路径经过该起始点所在网格的大数据，统计大数据中所有历史热带气旋路径在该点及其各自关联的前一节点、后一节点共三个网格节点处的历史关联数据；大于72小时警戒线之外的区域，距离我国海岸线太远，历史数据较少，预报精度偏低；而且太早预报72小时之后的台风路径，意义并不大，因此本发明选择24或48或72小时警戒线作为起点。

[0016] 步骤S3 ：根据大数据中的历史关联数据，分析并筛选出决定热带气旋路径的主要影响因素，作为预报参数，计算起始点之前的相邻节点至起始点、起始点至起始点之后的相邻节点的预报参数在大数据中的概率分布，依此类推，建立基于网格大数据的热带气旋路径网格节点统计预报模型，根据预报模型对热带气旋路径进行预报；其中所述主要影响因素包括路径前进方向偏转角度、中心风速和中心气压的变化值；其中，对于路径前进偏转方向的预报：以前进方向偏转角度为预报参数，根据大数据绘出起始点之前的相邻节点至起始点、起始点至起始点之后的相邻节点共三个节点处的所有历史热带气旋路径移动的方位角玫瑰图，来判断热带气旋路径前进的主方向及其偏转角度，然后根据大数据建立历史热带气旋路径方向与下一时刻前进方向偏转角度之间的相关关系，得到当前前进方向上不同偏转角度的出现概率，以此对热带气旋下一时刻的偏转方向进行有确切概率分布的预报；
对于中心风速的预报：以风速变化值作为预报参数，根据大数据建立历史热带气旋路径方向与下一时刻风速变化值的相关关系，得到当前前进方向上不同风速变化值的出现概率，以此对热带气旋下一时刻的风速增大还是减小进行有确切概率分布的预报；
对于中心气压的预报：以气压变化值作为统计参数，根据大数据建立历史热带气旋路径方向与下一时刻气压变化值的相关关系，得到当前前进方向上不同气压变化值的出现概率，以此对热带气旋下一时刻的气压增大还是减小进行有确切概率分布的预报。

[0017] 为进一步说明步骤S3，本发明做了进一步详述：网格内的历史台风路径节点数在51-147个之间，由此构成N个离散型随机变量（N介于51-147之间），随机变量的分布表现为正态分布。对于满足正态分布的随机变量，我们采用的是变化值，比如前进方向偏转角度、气压变化值、风速变化值等。这些变化值存在两种趋势，比如前进方向偏转角度有左偏和右偏，气压和风速有增大和减小。因此对应的，我们以前进方向偏转角度为例，可以将随机变量分成两类，并按照值的大小排序，形成两组随机变量，即：
为的出现次数，为的出现次数，N为节点内随机变量总数。

[0018] 设为左偏角度的某个特定变量，为右偏角度的某个特定变量，由此建立和的对应关系，和的对应关系，和为对
应于概率和的左偏值和右偏值。

[0019] 设我们关注的几个重要的特征概率值为和，，比如L1=R1=100%、L2=R2=98%、L1=R1=80%、L2=R2=50%、则可以通过插值计算得到和，。从而根据上述得到的概率对热带气旋的路径进行有确切概率分布的预报。

[0020] 影响热带气旋路径的因素，主要有三个：位置、风速和气压。这三个因素共有6个参数：方位角、前进方向偏转角度、风速值、风速变化值、气压值、气压变化值。预报参数的好坏对预报模型的优劣具有重要的影响。因此，本发明以台风海鸥为例，对于预报参数的筛选过程具体如下：（1）前进方向偏转角度的确定
绘制台风海鸥在点（119.6，18.1）所属的网格内当前时刻的方位角玫瑰图和台风海鸥在点（119.6，18.1）所属的网格内下一时刻的方位角玫瑰图（如图3a-b）。由此判断和计算，下一时刻的方位角在270°-292.5°之间选择。而下一时刻的方位角实际为261.7°，不在此区间范围内。因此选择方位角作为预报参数判断下一时刻的位置是不合理的。

[0021] 台风海鸥在点（119.6，18.1）所属的网格内，建立当前时刻的方位角与前进方向偏转角度的相关关系（如图4），偏转角度在区间（-100，100）内变化。由于当前的方位角为271°，此时偏转角度位于（-100，60），得到不同偏转角度的发生概率分布情况（如图5），可以看出，偏转角度为0和+15°的发生概率为17.2%，-15的发生概率为8.62%，具体情况见表1所示，可以得到50%、80%、98%及100%概率下的左偏最大角度和右偏最大角度。

[0022] 表1 根据不同偏转角度分布概率得到的特征概率下的左偏、右偏角度经过筛选，可以取1）-37.04、2）-15.85、3）-11.31、4）0、5）13.62、6）17.56、7）37.04等7个角度偏转值作为预报参数。经验证，如图6所示，海鸥的移动方向由当前的273°变为下一时刻的261.7°，即左偏转角度为-11.3°，与统计概率50%的左偏角度一致。由此表明，采用前进方向偏转角度作为预报参是合理的。

[0023] （2）风速变化值的确定由于风速值的概率分布并不集中，表现为多峰且概率值相差不大。因此，不采用风速值作为预报参数。

[0024] 建立不同路径的气旋前进方向与速度变化值的相关关系（如图7），得到当前节点所在位置的气旋最大风速变化值出现的概率分布情况（如图8），可以看出，风速不变的概率高达66%，风速减小5m/s、3m/s，增大2m/s、3m/s、5m/s等各占较小的比例，具体见表2所示。经计算，得到1）-5、2）-4、3）-3、4）0、5）4、6）5、7）10等7个预报参数。

[0025] 经验证，如表3所示，海鸥的中心风速在当前和下一时刻，均为33m/s，即下一时刻的中心风速不变，与统计概率50%的0m/s变化值一致。由此表明，采用风速变化值作为预报参数是合理的。

[0026] （3）气压变化值的确定由于气压值的概率分布并不集中，表现为多峰且概率值不大于20%。因此，不采用气压值作为预报参数。

[0027] 建立不同路径的气旋前进方向与气压变化值的相关关系（如图9），得到不同中心气压变化值的出现概率分布情况（如图10），可见气压不变出现概率最大，达到57%，气压变化范围在增大5帕至降低6帕之间变化。表3给出了特征概率下的气压变化值，经计算，推荐1）5、2）4.5、3）3.6、4）0、5）-2.4、6）-4.2、7）-6等7个变化值。

[0028] 经验证，如上表3所示，在下一时刻和当前时刻，海鸥的中心气压均为975帕，表明气压不变，与与统计概率50%的0帕变化值一致。由此表明，采用气压变化值作为预报参数是合理的。

[0029] 作为本发明进一步优选的方案，还包括步骤S4 ：利用中心风速和中心气压的概率分布，来判断当前热带气旋的中心风速和中心气压是否在正常的大概率分布区间内，如果在趋于不利的小范围概率分布区间内，则对其进行预警。

标题	发布/更新时间	阅读量
一种面向灾害风险评估的热带气旋全路径模拟方法	2020-05-23	113
基于GIS的台风登陆相似分析方法	2020-05-24	949
一种基于时变气象数据的热带气旋动态仿真方法	2020-05-13	317
基于深度目标检测和数值天气预报的热带气旋预报方法	2020-05-14	410
热带气旋引发沿海地区瞬时极大风风速预报方法和系统	2020-05-22	367
基于深度学习混合CNN-LSTM模型的台风预测方法	2020-05-15	97
热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法	2020-05-22	856
一种红外云图气旋分析方法及分析系统	2020-05-17	19
用于增强金属屋面板承载能力抵御热带气旋的夹具	2020-05-20	629
用于增强金属屋面板承载能力抵御热带气旋的扣件	2020-05-20	472

一种基于网格大数据统计方法的热带气旋路径预报方法

一种基于网格大数据统计方法的热带气旋路径预报方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：