基于DSTFN(Deep Spatio-Temprral Fusion Network)模型的热带气旋轨迹预测方法
方巍1
杜娟2
齐媚涵2
胡鹏昱3
1.南京信息工程大学计算机学院/数字取证教育部工程研究中心,江苏 南京 210044;南京气象科技创新研究院中国气象局交通气象重点开放实验室,江苏 南京 210041;南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏 南京 210044;苏州大学江苏省计算机信息处理技术重点实验室,江苏 苏州 2150002.南京信息工程大学计算机学院/数字取证教育部工程研究中心,江苏 南京 2100443.上海农林职业技术学院,上海 201699
摘要：在全球气候变化背景下,越来越多的地区面临着热带气旋的威胁.因此,准确预测热带气旋的轨迹变化对于气象预警和灾害管理至关重要.然而,传统的基于深度学习的热带气旋预测方法在建模热带气旋的时空相关性方面存在局限.为此,提出了一种新的深度时空融合网络——DSTFN(Deep Spatio-Temporal Fusion Network)模型,以提高对热带气旋轨迹的预测精度和稳定性.构建了有效融合ConvNeXt(Convolutional Next)模型和门控循环单元的 CaConvNeXt-GRU(Convolutional Block Attention Module Integrated with ConvNeXt and Gated Recurrent Unit)模型,以提取热带气旋三维时序数据中的复杂非线性时空特征.同时,引入了卷积块注意力模块,以自动聚焦不同等压面对热带气旋影响更大的特征.此外,设计了分阶段的训练策略,通过依次进行预训练、联合训练和整体训练实现了不同模块的有效融合.为了评估所设计的方法,在国际气候管理最佳路径档案和第五代大气再分析数据集上进行了大量实验.实验结果证明,在预测未来24h的热带气旋轨迹时,相比于现有的基于深度学习的热带气旋轨迹预测模型,DSTFN模型的平均预测误差降低了约13.71 km.
关键词：热带气旋路径预测DSTFN模型CaConvNeXt-GRU模型时空序列预测
分类号：P444(天气学)
资助基金：国家自然科学基金(42075007)苏州大学江苏省计算机信息处理技术重点实验室开放研究基金(KJS2275)交通运输行业重点实验室(BJG202306)中国气象局流域强降水重点开放实验室开放研究基金(2023BHR-Y14)江苏省研究生科研与实践创新计划项目(SJCX24_0476、SJCX24_0477)
论文发表日期：2024-12-28
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：14( 882-895 )
英文信息