面向卫星云图及深度学习的台风等级分类

摘要：

台风是最严重的自然灾害之一,做好台风等级分类预测是防灾减灾的关键.针对现有卫星云图特征提取复杂、识别率低等问题,基于卷积神经网络框架,以北太平洋1978-2016年近1 000多个台风过程的卫星云图作为样本,提出改进深度学习模型Typhoon-CNNs.该框架采用循环卷积策略增强模型表征力,使用十折交叉验证引入信息熵、Dropout置零率以优化模型灵敏度及防止过拟合.通过800样本测试集对模型Typhoon-CNNs进行验证,实验结果表明,本文算法的分类精度达到92.5％,台风和超强台风2个等级的预测正确率达到99％,优于传统分类方法.最后对模型提取的特征图进一步分析,模型能够准确识别台风眼和螺旋云带,从而证明Typhoon-CNNs对台风等级分类的可行性.

关键词：深度学习、卷积神经网络、卫星云图、信息熵、Dropout置零率、台风等级

所属期刊栏目：34

分类号：TP751(遥感技术)

资助基金：国家自然科学基金41671431;上海市科委地方高校能力建设项目15590501900

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6