2024年MathorCup大数据竞赛优秀论文-1.pdfVIP

队伍编号MCB2400837

赛道A

台风的分类与预测

摘要

台风作为一种极端气象现象，对沿海地区的安全和经济活动构成了严重威胁。随着全

球气候变化的加剧，台风的频率和强度可能会发生变化，这使得准确预测其路径、强度及

其对环境影响的能力显得尤为重要。台风的形成和发展受多种气象因素的影响，包括气温、

气压、洋流和风场等，这些因素的复杂相互作用使得台风的研究充满挑战。近年来，借助

大数据和机器学习技术，研究人员在台风路径预测和影响因素分析方面取得了显著进展。

然而，现有的研究仍然面临数据维度不一致、特征提取不足以及模型鲁棒性等问题，限制

了其实际应用效果。因此，系统性地研究台风的分类、路径预测及其登陆后衰减特征，不

仅可以提升对台风行为模式的理解，还能为灾害预警和应对策略的制定提供有力支持。

本次赛题围绕台风分类、路径预测和登陆后风速与降水量衰减的需求展开。研究团队

首先针对台风分类评价，利用多个权威数据集及中国气象局获取的气象数据，提取台风的

时序观测数据，并转化为一致性的17个特征向量，以确保后续建模时特征维度统一。团

队采用层次聚类算法构建分类树状图，识别具有相似特征的台风类别，共计分类21类，

并对每个类别进行了命名，具体结果见表4.6-4.7。同时，团队使用循环神经网络（RNN）

捕捉台风路径的短期和长期特征，预测2024年7月及9月的分类情况，结果也见表4.8。

通过分析夏季与秋季台风的特征差异发现，夏季台风受低气压和西南季风影响，路径复杂，

易深入内陆。秋季气压较高、气压梯度增大，受东北季风影响，台风多在沿海转向偏东北，

路径较稳定，影响范围较小。此外，研究发现随着全球气候变暖，秋季台风的行径路径呈

现出与夏季台风行径路径相似的趋势。这一发现为进一步理解台风行为模式及其气候变化

影响提供了重要依据。

其次，在台风路径预测方面，研究团队探索气温、气压、洋流和风场等多重因素对路

径的影响，以预测2024年9月13日至17日第13号台风贝碧嘉的中心位置。为提高预测

精度，团队选择了发生时期相近、强度相似和中心位置相近的历史台风数据作为训练样本。

由于台风生命周期和数据记录频率差异，团队采用步长为2天的滑动窗口法将每条台风数

据划分为多个训练样本，从而详细刻画不同发展阶段。最终提取了147个时序特征，包括

经度、纬度、风速、气压和气温等，并利用长短期记忆网络（LSTM）算法进行逐步预测，

结果见表5.2。为评估模型准确性，团队采用动态时间规整（DTW）算法计算预测路径与实

际路径的差异，DTW距离为8.8774，表明预测路径与实际路径相似性较高；地理位移误差

为0.4035°，显示预测点与真实点的空间偏差小，模型的路径预测效果良好。这一研究为

理解台风路径的动态变化提供了重要依据。

最后，针对台风登陆后风速和降水量的衰减预测，研究团队分析台风中心风速和降水

量与登陆距离的关系，在问题二的特征基础上，继续采用步长为4天的滑动窗口法，以每

日14时的台风数据进行特征扩充，共扩充54个时序特征。并结合LSTM与多重注意力机

制，逐步预测风速和降水量的动态变化。研究还分析影响预测结果的关键气象指标，为有

效应对台风灾害提供数据支持。模型通过LSTM与多重注意力机制，成功捕捉了台风贝碧嘉

登陆后的风速与降水变化趋势。误差分析和DTW对比结果表明，模型在台风衰减趋势的预

测上表现良好

关键词：分类评价；系统聚类；RNN；路径预测；LSTM；DTW；多重注意力机制

目录

一、问题重述1

1.1问题背景1

1.2目标任务1

二、模型假设及符号2

2.1模型假设2

2.2主要的符号说明2

三、问题分析3

3.1针对问题一3

3.2针对问题二4

3.3针对问题三5

四、问题一模型的建立与求解6

4.1数据预处理6

4.1.1数据来源6

4.1.2数据过滤7

4.1.3数据清洗与缺失值处理8

4.1.4数据整合9

4.2特征提取11

4.2.1原始数据局限与特征提取的必要性11

4.2.2搭建特