一种基于深度学习的台风强度估测技术

台风客观定强是提高台风业务现代化水平的重要支撑技术,深度学习通过机器对大量样本的分析和学习,能够隐式提取图像中深层抽象的复杂特征,越来越多地被应用到气象领域中。本文利用ResNet深度学习模型,采用预训练后迁移学习的方式,以2005—2018年西北太平洋及南海台风的卫星云图为样本,构建了一种自动、客观的台风强度估测技术。通过对2019年全年的业务台风云图的检验分析,结果表明利用该技术能够实现对不同强度、不同发展阶段的台风客观强度估测,且对2019年全年独立样本估测的平均绝对误差和均方根误差分别为4.3 m·s~(-1)和5.5 m·s~(-1),精度优于传统客观定强方法,具有一定的业务应用价值。