基于偏微分方程和機器學習的臺風風場反演方法研究.pdf

1、我國是全球受臺風災害最嚴重的國家之一,臺風來臨時,造成我國東南部沿海地區(qū)經(jīng)濟損失巨大、人民的生命遭受威脅。如何正確應(yīng)對臺風,在臺風登陸時將經(jīng)濟損失降到最低事關(guān)國家和人民的切身利益,于是臺風的準確預報成了預防災害的重要措施。而風場信息反映了臺風強度的變化,合理地選用各種智能算法進行風場反演,便可提高臺風預測的準確度。本文結(jié)合偏微分方程和機器學習等智能信息處理技術(shù)研究臺風風場的反演方法,主要包括以下四個方面的研究工作:
　　 (1)

2、基于偏微分方程的臺風眼提取。風場反演的第一步就是基于靜止衛(wèi)星圖像提取有用的數(shù)據(jù),而臺風云圖的灰度信息與臺風強度息息相關(guān),尤其是眼壁處灰度的劇烈變化體現(xiàn)了臺風強度,因此,灰度信息的提取精確與否直接關(guān)系到后續(xù)步驟的處理精度。原始的臺風云圖由于種種原因可能對比度較差,不利于臺風眼的準確提取。為此,我們基于反正切函數(shù)設(shè)計一種新型非線性灰度變換函數(shù),綜合運用臺風云圖的信息熵和標準差構(gòu)造臺風云圖質(zhì)量的評價函數(shù),然后利用差分演化算法獲得非線性灰度變換

3、參數(shù)。所設(shè)計的函數(shù)只有一個參數(shù),計算量與傳統(tǒng)的含有多個參數(shù)的灰度變換函數(shù)相比,計算量大大減小。實驗結(jié)果表明:所設(shè)計的方法能夠有效增強臺風云圖的全局對比度,并較好地突出臺風眼區(qū),有利于后續(xù)臺風眼的分割。針對經(jīng)過增強預處理后的臺風云圖,本文通過對各種常見圖像分割算法的比較,選擇應(yīng)用基于測地活動輪廓模型的偏微分方程法對臺風眼進行分割,獲得了良好的效果。
　　 (2)基于支持向量機的有眼臺風風場反演方法研究,具體包括兩方面的研究工作:1

4、)基于靜止紅外衛(wèi)星云圖建立臺風眼尺寸和最大風速半徑間的數(shù)學模型:利用第(1)步提出的非線性灰度變換法增強紅外臺風云圖,以便于后續(xù)臺風云圖分割。接著使用偏微分方程提取臺風眼,并計算臺風眼的大小,然后根據(jù)最冷云頂點和眼壁內(nèi)最暖點的距離得到近中心最大風速半徑,再利用支持向量機建立臺風眼大小和最大風半徑之間的關(guān)系模型來反映有眼臺風風場特征。2)建立有眼臺風的二維標量風場:先使用支持向量機來建立眼壁灰度信息與最大風速之間的關(guān)系模型,然后利用所建立

5、的模型結(jié)合線性插值估算臺風風場各點的風速,進而獲得有眼臺風的二維風場。
　　 (3)無眼臺風風場反演:使用支持向量機建立臨界風半徑R34,R50與最大風速、緯度、臺風生命史的多元關(guān)系模型來反映風場特征。在無眼臺風的二維風場計算中,先根據(jù)同一臺風的有眼圖像的大小人工構(gòu)造眼壁,從而可以進行與有眼臺風一致的后續(xù)計算步驟。本文提出的算法具有實現(xiàn)容易、計算精度高、算法速度快的特點,尤其是使用支持向量機對于各種關(guān)系模型的建立,與其他常見擬合