面向卫星云图及深度学习的台风等级分类 |
| |
引用本文: | 邹国良,侯倩,郑宗生,黄冬梅,刘兆荣.面向卫星云图及深度学习的台风等级分类[J].遥感信息,2019(3). |
| |
作者姓名: | 邹国良 侯倩 郑宗生 黄冬梅 刘兆荣 |
| |
作者单位: | 上海海洋大学信息学院 |
| |
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。
|
本文献已被 CNKI 等数据库收录! |
|