基于深度神经网络的台风中心定位方法
郑宗生
沈绪坤
王振华
卢鹏
上海海洋大学信息学院,上海 201306
摘要：台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此精确定位台风中心是台风路径预测和灾害预报的重要步骤.台风云系随时间不断变化且风力强弱不一,在卫星云图中呈现了多样性和复杂性,现有基于神经网络的模型由于缺少对台风特征图像多维度参数的权重合理分配,在自动提取台风图像特征上受到了限制.为此,提出一种融合通道注意力与坐标注意力的神经网络模型(TY-LOCNet),首先搭建深度卷积神经网络模型提取台风特征;其次引入通道注意力机制从台风特征中捕获通道级别的信息,提升模型对重要通道的关注度;然后将通道注意力结果输入到坐标注意力机制中全局标定台风位置信息,使模型能够在较大的区域关注到台风的形态结构;此外,均方误差损失函数未能融合计算坐标导致定位精度低,因此提出距离损失函数(DISTLoss)通过距离回归提高模型定位精度.实验结果表明,TY-LOCNet的平均位置误差(MLE)、平均定位误差(MAE)和检测速度分别为3.502像素,0.292 °和17 FPS,优于其他模型.台风中心定位模型TY-LOCNet可为台风预报提供实时性台风中心定位支持.
关键词：台风中心定位注意力机制神经网络距离损失函数
分类号：P413(大气探测（气象观测）)
资助基金：国家自然科学基金(41671431)国家海洋局数字海洋科学技术重点实验室开放基金项目(B201801034)上海市科委市地方能力建设项目(19050502100)上海海洋大学科技发展专项基金(A2-2006-20-200211)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 341-351 )
英文信息