[发明专利]最大风半径和台风眼尺寸建模的相关向量机方法

说明书

技术领域

本发明属于气象监测领域。具体来说，涉及一种以提高台风风速预测精度为目的的最大风半径和台风眼尺寸建模的相关向量机方法。 

背景技术

我国是全球受台风灾害最严重的国家之一，台风来临时，造成我国东南部沿海地区经济损失巨大、人民的生命遭受威胁。如何正确应对台风，在台风登陆时将经济损失降到最低事关国家和人民的切身利益，于是台风的准确预报成了预防灾害的重要措施。而风场信息反映了台风强度的变化，合理地选用各种智能算法进行风场反演，便可提高台风预报的准确度。 

目前国内外学者在台风风场反演方面做了大量相关工作，如许健民等在2002年采用逐步搜索的计算策略进行示踪云的跟踪，有效节约了机时。王振会等（2004）利用傅立叶相位分析法方法对传统的云迹风法进行改进，能够避免“亚像素尺度位移”问题。张红等（2006）根据二维傅立叶相位分析原理，对1分钟间隔的静止红外卫星云图进行云迹风的反演，能够得到连续性较好的风场。杨文凯等（2007）设计了一种台风反演中高密度示踪云选取算法，以改善云迹风的质量和密度分布，能够清晰地反映出天气系统的风场结构。杨文凯等（2010）运用梯度分析方法进行云迹风示踪云的选取，并给出梯度的离散计算公式。利用其方法进行云迹风的反演，结果表明，云迹风质量好，密度高，能够清晰地显示出天气系统的风场结构。国外的台风内核的风场主要通过低空（low-altitude）飞机（如美国NOAA的WP-3D和美国空军的WC-130）侦测获得。但是，这些数据在业务上不能直接应用，而且研究中使用低空飞机采集台风内核数据的工作也主要集中在大西洋，其他区域的台风数据仍然很有限。目前我国还没有将 飞机作为台风监测的主要手段。对台风强度的业务监测主要是基于Dvorak技术的定性描述，定量应用能力较弱。对于台风中高层风场的监测尽管能够使用国家卫星中心的云迹风反演先进技术，但仍不能反演台风内核风场的信息。 

台风风场的反演一般来说主要包括两个部分：内核风场反演（包括表征有眼台风和无眼台风内核特征的模型建立）和外围风场运动矢量场的建立。本发明主要根据有眼台风最大风半径和台风眼大小来建立有眼台风内核特征模型。一般地，最大风半径夹在台风眼壁内上升气流与边缘下沉气流之间，多为几公里到几十公里。对于一个成熟台风来说，中心上升气流形成了台风眼，而最大风半径外的下沉气流则形成了台风眼壁。当台风云图上出现了一个清晰可见的台风眼时，便可构造反映有眼台风内核特征的模型。由于有眼台风的最大风半径一般与台风强度及台风所处的纬度有一定关系，但是如果忽略纬度对最大风半径的影响，则带来的误差可以忽略不计，因此在这种情况下，只需考虑建立最大风半径和台风眼大小的关系模型即可。 

台风风场是一种包含高维数据的复杂非线性系统，对其反演需要选取一种有效的分析工具，目前我国可用于科研的台风云图和年鉴数据有限。鉴于上述两个因素，本发明将机器学习中的相关向量机（Relevance vector machine,简称RVM）应用到台风风场反演中，相关向量机是Tipping在2001年在贝叶斯框架的基础上提出的，它有着与支持向量机（Support vector machine,简称SVM）一样的函数形式，与SVM一样基于核函数映射将低维空间非线性问题转化为高维空间的线性问题。与SVM相比，RVM更稀疏，测试时间更短，而且具有更好的泛化能力，更适用于在线检测。虽然RVM的训练时间会比SVM训练时间长，但是对于本发明中的小样本数据而言，这一点影响不大。实验结果表明本发明能较准确的建立台风内核特征模型，与SVM、线性回归、径向基函数神经网络 等回归算法相比，不仅速度快，误差也小很多。因此本发明在台风内核特征模型建立技术上有所创新，能够被用于更加精确地刻画台风内核风场结构。 

发明内容

本发明的目的是提供一种基于相关向量机建立有眼台风内核风场特征模型的方法。将已有的有眼台风云图，进行预处理，从图像上直接获得最冷云顶点和眼壁最暖点，通过计算两点间的距离来获得最大风半径；然后基于偏微分方程提取台风眼，并计算眼壁周长；最后基于相关向量机建立有眼台风最大风半径和眼壁周长之间的模型。具体包括几方面的研究工作： 

1）获取有眼台风云图，直接从图像上获得最冷云顶点和眼壁最暖点，并根据地理纬度与图像坐标的对应关系，计算上述两点间的实际距离，作为最大风半径。