[发明专利]一种基于随机森林和迁移学习的热带气旋快速加强预报方法

权利要求书

1.一种基于随机森林和迁移学习的热带气旋快速加强预报方法，其特征在于，包括以下步骤：

S1、确定用于输入分类模型的TC数据和环境因子数据；

S2、进行数据预处理：对TC数据和环境因子数据进行预处理；

S3、构建训练模型所需的观测数据集；

S4、在观测数据集上构建基于随机森林分类算法的热带气旋快速加强预报模型；

S5、基于全球预报系统GFS模式数据，使用迁移森林建立热带气旋快速加强实时预报系统。

2.如权利要求1所述的一种基于随机森林和迁移学习的热带气旋快速加强预报方法，其特征在于，步骤S1中TC数据为中国气象局上海台风研究所的逐6小时TC最佳路径数据集，包括TC中心位置、最大2分钟平均持续表面风速及最小中心海平面气压；

环境因子数据使用的是ERA-Interim再分析数据，使用大气和海洋变量，大气和海洋变量包括海表温度，风场，相对湿度，涡度和散度的变量。

3.如权利要求1所述的一种基于随机森林和迁移学习的热带气旋快速加强预报方法，其特征在于，步骤S2中通过对西北太平洋上的TC数据进行筛选，基于ERA-Interim再分析数据，以TC中心固定半径范围计算合成了与TC快速加强相关的影响因子作为预报因子。

4.如权利要求1所述的一种基于随机森林和迁移学习的热带气旋快速加强预报方法，其特征在于，步骤S3中包括根据快速加强的定义制作分类标签，根据不同预报时效，构建不同预报时效对应的输入训练数据集。

5.如权利要求1所述的一种基于随机森林和迁移学习的热带气旋快速加强预报方法，其特征在于，步骤S4中还包括以下步骤：

S41、确定训练集样本和测试集样本；

S42、将训练集样本中快速加强事件和非快速加强事件样本数目平衡化；

S43、调整模型参数以获取最佳参数；

S44、进行预报因子重要性分析；

S45、建立预报模型。

6.如权利要求1所述的一种基于随机森林和迁移学习的热带气旋快速加强预报方法，其特征在于，步骤S5中还包括以下步骤：

S51、确定源域数据集X_t和目标域数据集X_a，将根据TC数据和再分析数据构建的数据集作为源域数据集，将GFS实时数据作为目标域数据集；

S52、等量的从两个域X_t和X_a中随机选择S个样本，组成一个子集X’，用于训练决策树；

S53、在子集中，使用协变量损失训练决策树，每个训练样本通过协变量损失加权；

S54、把上一步训练得到的决策树加入迁移森林的候选集；

S55、重复S52到S54，直到获得迁移森林的大量候选决策树；

S56、选择候选决策树的后半部分作为迁移森林。

S57通过开始时输入一个未知的样本x到算法生成的每棵决策树，在每棵决策树的每个节点上使用分类函数将x分到左支或右支，在叶节点输出类概率并保存，计算迁移森林的后半部分决策树的输出值的平均值。