CN119415805A 一种台风mpi多因素协同计算评估方法、介质及程序产品 （中国气象科学研究院）

一种台风MPI多因素协同计算评估方法、介本发明公开了一种台风MPI多因素协同计算建台风MPI物理计算模型，计算MPI及其出现时风MPI多因素协同评估的机器学习模型，通过物2SS1.采集台风生成区域及其周边的包括海气动力热力场及台风内核结构数据在内的SS2.计算台风能量增长率EGR及其随时间变化的特征，确定其由正值变为零的时刻phyphy分别为基于物理计算模型获得的台风MPI及其出现时间，为台风快以获得台风MPI及其出现时间的初始评估结果，并结合物理计算结果通过加权融合策略对初始评估结果进行校正与优化，同时对校正优化后的结果进行不确定性分析和误差评估，3计算台风能量增长率EGR的方法为：首先基于热力学和动力学理论计算台风能量产生率PE踪并统计平均垂直速度大于1m/s的网格点数量，建立强对流网格点数量随时间的演变序7.根据权利要求6所述的台风MPI多因素协计算台风眼墙内温度与环境温度差异的方法为：确定台风眼墙区域的空间范围，计算1_9.根据权利要求8所述的台风MPI多因素协同计算4风生命周期内的风速变化时间序列数据，识别风速变化率大于5.5m/s/6h的时间段作为快所述机器学习模型采用卷积神经网络模型，模型输入层采用学习模型的输入特征还包括反映台风外部环境场的垂直风切变分布、大气湿度梯度和/或学习模型的训练过程中引入基于物理约束的多任务学习机制，其中主任务用于评估台风m器学习模型获得的最大可能强度值；wml和5对校正优化后的台风MPI结果进行误差评估时，通过与历史台风MPI观测数据的对比验证、在于，计算机程序被处理器执行时实现权利要求1~16任一项所述的台风MPI多因素协同计6[0001]本发明属于台风强度计算评估与数值计算技术领域，具体是一种台风MPI多因素限性。[0003]传统的MPI计算评估方法主要依赖热力学和动力学模型框架，如卡诺热机模型和风致表面热交换机制等。卡诺热机模型通过计算海表温度和流出层温度之间的温差来估算地面风速与海表焓通量之间的正反馈机制，但在处理高风速条件下的湍流损耗和环境约束7算评估台风最大可能强度及其出现时间，提高台风快速增强过程中的评估精度和可靠性，采集台风生成区域及其周边的包括海气动力热力场及台风内核结构数据在内的的时刻tmpi及对应的强度Vmpi；统计台风眼墙区域内强对流网格点数量随时间变化的特征，SS3.建立台风MPI物理计算模型phyphy分别为基于物理计算模型获得的台风MPI及其出现时间，为台构建并训练台风MPI多因素协同评估的机器学习模型，模型输入层用于接收步骤SS1中生成的多源数据融合特征矩阵，隐藏层采用多个卷积层和池化层提取至少包括EGR、出层用以评估台风MPI及其出现时间，并以步骤SS3中台风MPI的物理计算结果作为训练数SS5.输出台风MPI及其出现时间的计算评估结果8算机指令用于执行本发明的上述台风MPI多因[0009]本发明的第3个发明目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述台风MPI多因素协评估模型克服了传统统计方法中对复杂非线性关系的表征能力9的时刻tmpi及对应的强度Vmpi；统计台风眼墙区域内强对流网格点数量随时间变化的特征，征反映了台风快速增强阶段的关键非线性动力与phyphy分别为基于物理计算模型获得的台风MPI及其出现时间，为台[0021]本发明实施例通过引入多源数据融合与机器学习技术，实现了台风MPI及其出现通量包括感热通量和潜热通量并用于评估目标台风从海洋获取理量进行无量纲化处理，采用最小_最大标准化方法将数据映射到[0,1]区间，并使用Z_滤波方法处理动态数据的不确定性以及采用深度嵌套插值算法对多源数据进行高精度整明的上述台风MPI多因素协同计算评估方法中步骤SS2的具体实施进行补充说明和详细描vl为近表面风速；为海表面饱和焓，ra为近表面大气焓；Ck为表面焓交换系D为拖曳系数。云顶亮温异常，Ai为第i个对流爆发的对流区域面积，Δti为第i个对流爆发的对流持续时步骤SS2中，暖心强度的计算还包括通过算法公式计算暖心指数来量风眼墙区域温度与外围环境温度的差值，并基于暖心演化指数监测暖心强SS3的具体实施进行补充说明，以提升物理计算模型对台风快速增强阶段的描述能力和评m[0042]本实施例通过设计基于卷积神经网络的台风MPI多因素协同评估模型，结合注意模型的评估结果与物理计算结果进行加权融合，加权融合的算法公式为出现时间的计算评估值，tphy、tml得的最大可能强度值；wml和wphy分别为权重系[0046]作为