本發(fā)明屬于機(jī)器學(xué)習(xí)和災(zāi)害性天氣預(yù)測，涉及臺風(fēng)遠(yuǎn)距離影響下的極端降水事件的預(yù)測方法，具體是一種基于深度學(xué)習(xí)算法并融合整層干侵入指數(shù)（integrateddry?intrusion?index，idii）的內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水（typhoon?remoteprecipitation，trp）預(yù)測方法、介質(zhì)及程序產(chǎn)品，通過引入干侵入的三維結(jié)構(gòu)特征和大數(shù)據(jù)分析技術(shù)，提升對內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離降水的精細(xì)化預(yù)報能力。

背景技術(shù)：

1、臺風(fēng)是影響我國乃至東亞地區(qū)的重要災(zāi)害性天氣系統(tǒng)之一，在全球氣候變暖背景下，臺風(fēng)在我國近海快速增強(qiáng)的概率增大，臺風(fēng)達(dá)到最大強(qiáng)度時的位置存在北移趨勢，而且距離海岸線越來越近，臺風(fēng)與中緯度系統(tǒng)發(fā)生相互作用概率增大。除了臺風(fēng)本體及其螺旋雨帶造成的直接降水影響外，臺風(fēng)還通過與中緯度天氣系統(tǒng)協(xié)同作用，在距離其中心數(shù)百甚至上千公里外的內(nèi)陸地區(qū)引發(fā)極端暴雨，這種降水被稱為臺風(fēng)遠(yuǎn)距離降水（typhoonremote?precipitation，trp）。trp的發(fā)生發(fā)展機(jī)制復(fù)雜，涉及臺風(fēng)的路徑、強(qiáng)度以及與多尺度天氣系統(tǒng)相互作用，同時還涉及大氣動力學(xué)、熱力學(xué)等多方面因素，因此在臺風(fēng)遠(yuǎn)距離影響的復(fù)雜天氣形勢下，對內(nèi)陸地區(qū)極端暴雨做出定時、定點、定量的精細(xì)化準(zhǔn)確預(yù)測一直是氣象預(yù)報領(lǐng)域的難題。

2、現(xiàn)有的trp預(yù)測方法主要基于數(shù)值天氣預(yù)報模式以及統(tǒng)計方法等。數(shù)值天氣預(yù)報模式可以模擬大氣運動和物理過程，提供未來天氣狀況的預(yù)報，但由于模式本身的局限性以及對初值條件的敏感性，以及在處理臺風(fēng)遠(yuǎn)距離效應(yīng)中的干冷空氣與中緯度系統(tǒng)相互作用時，其物理過程的參數(shù)化方案難以精準(zhǔn)刻畫復(fù)雜的大氣動態(tài)，特別在干侵入等現(xiàn)象的反映上存在顯著不足，導(dǎo)致其對trp的預(yù)測能力仍然有限，尤其是在定量降水預(yù)報方面存在較大誤差。統(tǒng)計方法則基于歷史觀測數(shù)據(jù)，建立統(tǒng)計模型來預(yù)測trp，但由于trp的小概率特性以及影響因素的復(fù)雜性，統(tǒng)計方法的預(yù)測精度也受到限制，且傳統(tǒng)方法難以有效捕捉臺風(fēng)遠(yuǎn)距離影響下的非線性氣象過程。

3、在臺風(fēng)遠(yuǎn)距離極端降水事件的研究中，干侵入現(xiàn)象被認(rèn)為是影響降水強(qiáng)度的重要因素。干侵入通常指的是中高層的干冷空氣沿等熵面下沉到對流層中低層，侵入暖濕空氣區(qū)域，形成明顯的冷暖對流層結(jié)不穩(wěn)定，從而可能誘發(fā)強(qiáng)降水。現(xiàn)有研究表明，干侵入不僅會影響臺風(fēng)遠(yuǎn)距離效應(yīng)的表現(xiàn)形式，甚至可能直接引發(fā)內(nèi)陸地區(qū)的極端降水事件。以往的研究多采用相對濕度、溫度平流、位渦等指標(biāo)來表征干冷空氣的活動，但這些指標(biāo)往往難以全面反映干冷空氣活動的三維結(jié)構(gòu)特征及其對trp的影響。特別是在臺風(fēng)影響下，干冷空氣主體移速減慢，對內(nèi)陸地區(qū)的影響由“快速侵入”變?yōu)椤熬徛凉B透”，現(xiàn)有干侵入指數(shù)（dryintrusion?index,?dii）難以準(zhǔn)確刻畫這一特征，主要原因在于dii指數(shù)未能充分整合干冷空氣在垂直方向的分布特性，特別是在不同高度層次上，干冷空氣的強(qiáng)度、濕度和位渦特征存在顯著差異，而現(xiàn)有dii指數(shù)主要以單層等熵面為主，忽略了干冷空氣在多層次大氣中下沉過程中的演變，無法全面反映其對局地大氣動力和熱力過程的綜合影響，從而影響了降水預(yù)報的精度。此外，盡管dii指數(shù)在一定程度上可以反映臺風(fēng)遠(yuǎn)距離影響下的氣象特征，但現(xiàn)有的研究主要集中在對典型個例的分析上，缺乏大范圍、大數(shù)據(jù)條件下的系統(tǒng)性應(yīng)用。

4、綜上所述，現(xiàn)有的trp預(yù)測方法存在預(yù)測精度受限、定量降水預(yù)報誤差大、難以捕捉非線性氣象過程等不足，而現(xiàn)有的干侵入指數(shù)也難以全面刻畫臺風(fēng)遠(yuǎn)距離影響下干冷空氣的活動特征。因此，如何發(fā)展一種能夠有效融合干侵入物理量并充分利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)的trp預(yù)測方法，以提升內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水的預(yù)測精度，是亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、（一）發(fā)明目的

2、針對現(xiàn)有技術(shù)的上述缺陷和不足，為解決現(xiàn)有技術(shù)中的上述以及其他方面的至少一種技術(shù)問題，本發(fā)明旨在提供一種基于深度學(xué)習(xí)并融合idii指數(shù)的內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水預(yù)測方法、介質(zhì)及程序產(chǎn)品，通過構(gòu)建并引入反映干冷空氣的三維結(jié)構(gòu)特征的整層干侵入指數(shù)idii，并結(jié)合利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)的非線性數(shù)據(jù)挖掘能力，有效捕捉臺風(fēng)遠(yuǎn)距離影響下的非線性氣象過程，并充分考慮干冷空氣在垂直方向上的結(jié)構(gòu)特征及其對降水的影響，增強(qiáng)對內(nèi)陸極端降水的精細(xì)化預(yù)測能力，實現(xiàn)對臺風(fēng)遠(yuǎn)距離影響下內(nèi)陸地區(qū)極端降水的定時、定量和定點預(yù)測，為內(nèi)陸地區(qū)極端降水的預(yù)報預(yù)警及防災(zāi)減災(zāi)提供技術(shù)支撐和科學(xué)依據(jù)。

3、（二）技術(shù)方案

4、為實現(xiàn)該發(fā)明目的，解決其技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

5、本發(fā)明的第1個發(fā)明目的在于提供一種基于深度學(xué)習(xí)并融合idii指數(shù)的內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水預(yù)測方法，用于提高內(nèi)陸地區(qū)極端降水定時、定點、定量的精細(xì)化預(yù)報能力，為內(nèi)陸地區(qū)極端降水的預(yù)報預(yù)警及防災(zāi)減災(zāi)提供技術(shù)支撐和科學(xué)依據(jù)，所述預(yù)測方法在實施時至少包括如下步驟：

6、ss1.?整層干侵入指數(shù)idii的構(gòu)建

7、通過對等壓面和等熵面上不同高度層次的干冷空氣運動進(jìn)行積分運算，分別得到整層干侵入指數(shù) idii p和 idii θ，以表征干冷空氣在臺風(fēng)遠(yuǎn)距離效應(yīng)下垂直方向上滲透的強(qiáng)弱及其對內(nèi)陸地區(qū)極端降水的影響：

8、

9、其中， p為氣壓， p blev和 p tlev分別表示等壓面積分的底層氣壓和頂層氣壓； θ為位溫， θ blev和 θ tlev分別表示等熵面積分的底層位溫和頂層位溫； v p和 v θ分別表示等壓面和等熵面上的水平風(fēng)速矢量；t為溫度，和分別表示等壓面和等熵面上的溫度水平梯度； pv p和 pv θ分別表示等壓面和等熵面上的位渦； θ se為假相當(dāng)位溫并用于表征濕空氣團(tuán)在絕熱過程中達(dá)到飽和時的溫度，( θ se) p和( θ se) θ分別表示等壓面和等熵面上的假相當(dāng)位溫；

10、ss2.?trp相關(guān)多源氣象數(shù)據(jù)的獲取

11、獲取與內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水相關(guān)的多源氣象數(shù)據(jù)，至少包括內(nèi)陸地區(qū)的歷史trp降水事件數(shù)據(jù)、對應(yīng)的臺風(fēng)數(shù)據(jù)以及同時期的再分析氣象數(shù)據(jù)，其中trp降水事件數(shù)據(jù)是基于臺風(fēng)遠(yuǎn)距離降水客觀識別算法得到的24小時累計降水量達(dá)到極端降水閾值的降水事件數(shù)據(jù)；

12、ss3.?trp相關(guān)多源氣象數(shù)據(jù)的預(yù)處理

13、對獲取的多源氣象數(shù)據(jù)進(jìn)行包括時空匹配和質(zhì)量控制在內(nèi)的預(yù)處理操作，之后基于預(yù)處理后的氣象數(shù)據(jù)并結(jié)合整層干侵入指數(shù)的定義，計算各等壓層和等熵面上的 idii p和 idii θ數(shù)據(jù)，最后將預(yù)處理后的多源氣象數(shù)據(jù)與計算得到的idii指數(shù)場數(shù)據(jù)進(jìn)行融合形成為多源融合數(shù)據(jù)，并根據(jù)trp降水事件的發(fā)生時間按照時間序列組織形成為訓(xùn)練數(shù)據(jù)集；

14、ss4.?基于深度學(xué)習(xí)并融合idii指數(shù)特征的trp預(yù)測模型構(gòu)建

15、采用深度學(xué)習(xí)技術(shù)構(gòu)建trp預(yù)測模型，其網(wǎng)絡(luò)結(jié)構(gòu)至少包括輸入層、特征提取層、idii特征融合層、全連接層以及trp預(yù)測輸出層，其中輸入層用于接收訓(xùn)練數(shù)據(jù)集中的多源融合數(shù)據(jù)，特征提取層用于從輸入數(shù)據(jù)中提取臺風(fēng)場、氣象要素場、idii指數(shù)場的時空特征信息，idii特征融合層用于將提取的時空特征信息進(jìn)行多維度融合，全連接層用于將融合特征向量進(jìn)行非線性變換并映射到trp降水預(yù)測輸出層，trp預(yù)測輸出層用于對內(nèi)陸地區(qū)未來一段時間內(nèi)trp降水事件進(jìn)行預(yù)測；

16、ss5.?trp預(yù)測模型的訓(xùn)練、驗證與測試

17、按照預(yù)設(shè)比例將步驟ss3構(gòu)建的模型訓(xùn)練數(shù)據(jù)集劃分為訓(xùn)練集、驗證集和測試集，通過深度學(xué)習(xí)算法對訓(xùn)練集中的多源融合數(shù)據(jù)進(jìn)行模型訓(xùn)練，驗證集用于模型參數(shù)調(diào)整和超參數(shù)優(yōu)化，測試集用于對訓(xùn)練好的trp預(yù)測模型在不同臺風(fēng)、氣象、idii指數(shù)條件下的泛化能力進(jìn)行評估；

18、ss6.?內(nèi)陸地區(qū)trp事件的預(yù)測與輸出

19、實時獲取目標(biāo)預(yù)測區(qū)域的臺風(fēng)數(shù)據(jù)、氣象要素場數(shù)據(jù)，對獲取的數(shù)據(jù)進(jìn)行預(yù)處理并計算當(dāng)前時刻的 idii p和 idii θ場數(shù)據(jù)，將處理后的多源融合數(shù)據(jù)輸入訓(xùn)練好的trp預(yù)測模型，輸出目標(biāo)區(qū)域未來一段時間內(nèi)的trp預(yù)測結(jié)果。

20、本發(fā)明的第2個發(fā)明目的在于提供一種計算機(jī)程序產(chǎn)品，包括計算機(jī)指令，用于執(zhí)行上述基于深度學(xué)習(xí)并融合idii指數(shù)的內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水預(yù)測方法。

21、本發(fā)明的第3個發(fā)明目的在于提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述基于深度學(xué)習(xí)并融合idii指數(shù)的內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水預(yù)測方法。

22、（三）技術(shù)效果

23、同現(xiàn)有技術(shù)相比，本發(fā)明的基于機(jī)器學(xué)習(xí)并融合idii指數(shù)的內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水預(yù)測方法、介質(zhì)及程序產(chǎn)品，具有以下顯著的技術(shù)效果：

24、（1）本發(fā)明通過構(gòu)建基于深度學(xué)習(xí)的預(yù)測模型，并融合能夠表征干冷空氣三維結(jié)構(gòu)特征的整層干侵入指數(shù)idii，彌補(bǔ)了現(xiàn)有trp預(yù)測方法的不足，有效提高了內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水的預(yù)測精度，尤其是在極端暴雨的定量降水預(yù)報方面，相較于傳統(tǒng)的數(shù)值預(yù)報模式和統(tǒng)計方法，本發(fā)明所提出的方法能夠更準(zhǔn)確地預(yù)測極端降水的發(fā)生時間、地點、降水量和持續(xù)時間，為氣象災(zāi)害預(yù)警和防災(zāi)減災(zāi)提供更可靠的科學(xué)依據(jù)。

25、（2）本發(fā)明構(gòu)建的整層干侵入指數(shù)idii綜合考慮了干冷空氣在不同高度上的溫度平流、位渦和假相當(dāng)位溫，并將這些因素在垂直方向上進(jìn)行積分，從而更全面地反映干冷空氣的三維結(jié)構(gòu)特征及其對極端暴雨的影響，克服了現(xiàn)有干侵入指標(biāo)難以準(zhǔn)確刻畫臺風(fēng)遠(yuǎn)距離影響下干冷空氣活動特征的不足，尤其是在干冷空氣主體移速減慢，對內(nèi)陸地區(qū)的影響由“快速侵入”變?yōu)椤熬徛凉B透”的情況下，idii指數(shù)能夠更準(zhǔn)確地捕捉干冷空氣的活動特征，為極端降水預(yù)測提供了更為可靠的影響因子。

26、（3）本發(fā)明通過多源氣象數(shù)據(jù)的獲取與預(yù)處理，整合了歷史降水事件數(shù)據(jù)、臺風(fēng)數(shù)據(jù)及再分析氣象數(shù)據(jù)等多源信息，并通過數(shù)據(jù)清洗、格式化處理、時空匹配等步驟，確保輸入數(shù)據(jù)的質(zhì)量與時空一致性。通過多維特征融合，模型能夠充分利用不同氣象要素及idii指數(shù)場的數(shù)據(jù)，提高了模型訓(xùn)練和預(yù)測的有效性。此外，本發(fā)明中的trp降水事件特征數(shù)據(jù)基于臺風(fēng)遠(yuǎn)距離降水客觀識別算法得到，結(jié)合雨帶分離、潛在trp判別及水汽輸送帶識別等多重判據(jù)，顯著提高了trp事件識別的準(zhǔn)確性和可靠性。

27、（4）本發(fā)明采用深度學(xué)習(xí)技術(shù)構(gòu)建trp預(yù)測模型，能夠有效地捕捉臺風(fēng)遠(yuǎn)距離影響下的非線性氣象過程，并充分利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)，相較于傳統(tǒng)的數(shù)值預(yù)報模式和統(tǒng)計方法，深度學(xué)習(xí)模型具有更強(qiáng)的非線性擬合能力和泛化能力，能夠更好地學(xué)習(xí)和模擬復(fù)雜的氣象過程，從而提高?trp?預(yù)測的準(zhǔn)確性。此外，本發(fā)明采用多任務(wù)學(xué)習(xí)框架，不僅可以預(yù)測內(nèi)陸地區(qū)臺風(fēng)遠(yuǎn)距離極端降水事件的降水量，還能夠預(yù)測其發(fā)生時間、地點和持續(xù)時間，提供了定時、定點、定量的降水精細(xì)化預(yù)報，為內(nèi)陸地區(qū)極端降水的預(yù)報預(yù)警以及防災(zāi)減災(zāi)提供了強(qiáng)有力的技術(shù)支撐。