[发明专利]台风快速增强趋势的判别方法、电子设备以及可存储介质

说明书

本申请提供一种台风快速增强趋势的判别方法、电子设备以及可存储介质，属于计算机视觉的技术领域。所述方法包括：对获取的待测台风的遥感图像序列与对应的强度序列进行预处理，得到待测台风的待测数据序列；计算待测台风的生命周期标识；将待测数据序列与待测台风的生命周期标识输入快速增强趋势判别模型，得到待测台风快速增强的置信度，将待测台风快速增强的置信度与快速增强判别阈值比较，在待测台风快速增强的置信度大于快速增强判别阈值时，确定待测台风具有快速增强的趋势。本申请旨在能够更精确地预测和判别台风快速增强的趋势。

技术领域

本申请实施例涉及计算机视觉领域，具体而言，涉及一种台风快速增强趋势的判别方法、电子设备以及可存储介质。

背景技术

热带气旋，即台风是地球上最具破坏性的天气系统之一，对台风轨迹以及强度的预测备受关注，过去半个世纪以来，对于台风轨迹和强度的预报都有了显著改进，但对于台风快速增强(RI)的预测依然具有挑战性，以往关于台风快速增强预测的研究侧重于利用预测变量作为特征，如统计台风强度预报SHIPS系列，或者通过分析热带气旋的气候特征和时空特征，如季节、月份、经纬度、气压变化、月平均水温场等，气象学家利用统计学将发现的一些规律作为判别热带气旋是否会快速增强的重要依据。

然而依赖于预测变量研究缺乏对更好地利用原始数据的新技术的探索，发现的一些规律也只能作为辅助手段，很难快速实时准确的预测台风是否快速增强。

发明内容

本申请实施例提供一种台风快速增强趋势的判别方法、电子设备以及可存储介质，旨在能够更精确地预测和判别台风快速增强的趋势。

第一方面，本申请实施例提供一种面向遥感云图序列的台风快速增强趋势的判别方法，所述方法包括：

对获取的待测台风的遥感图像序列与对应的强度序列进行预处理，得到待测台风的待测数据序列；

计算所述待测台风的生命周期标识；

将预处理得到的所述待测数据序列与所述待测台风的生命周期标识作为输入，通过快速增强趋势判别模型进行识别，得到所述待测台风快速增强的置信度，其中，快速增强趋势判别模型是基于多个样本台风各自的遥感图像序列、各自对应的强度序列、快速增强标识以及生命周期标识组成的样本训练集，以及运用重采样和重加权结合的方法训练得到的；

将所述待测台风快速增强的置信度与快速增强判别阈值比较，在所述待测台风快速增强的置信度大于所述快速增强判别阈值时，确定所述待测台风具有快速增强的趋势。

可选地，快速增强趋势判别模型包括顺次相连的多个模块：CNN模型、 LSTM时序模型、分类器；所述快速增强趋势判别模型的训练过程为以下步骤：

基于多个样本台风各自的遥感图像序列以及各自对应的强度序列，对 CNN模型进行预训练，得到预训练完毕的第一特征提取模块，预训练完毕的第一特征提取模块用于提取台风的单一遥感图像的视觉空间特征；

基于多个样本台风各自的遥感图像序列、各自对应的强度序列，以及预训练完毕的CNN模块的对多个样本台风各自的遥感图像序列以及各自对应的强度序列的处理结果，对快速增强趋势判别模型进行训练，得到训练完毕的第二特征提取模块，所述第二特征模块包括CNN模型和LSTM时序模型，训练完毕的第二特征提取模块用于提取台风视觉形态变化和强度变化的时空关联特征；

冻结已训练好的LSTM时序模型及CNN模型的模型参数，重复采用多个样本台风各自的遥感图像序列、各自对应的强度序列、快速增强标识以及生命周期标识，通过重采样和重加权结合的方法对快速增强趋势判别模型的分类器进行再训练，得到的训练完毕的分类器用于预测台风快速增强的置信度。

可选地，在对CNN模型进行预训练之前，还包括：

对所述样本台风各自的遥感图像序列进行处理，得到目标格式的图像序列；