2024年MathorCup大数据竞赛优秀论文-3.pdfVIP

队伍编号MCB2401113

赛道A

基于多重气象特征的台风分类与路径预测：贝碧嘉案例分析

摘要

作为极端气象事件，台风对沿海地区的安全和经济活动构成了重大威胁。随着全球气候变化日

趋明显，台风的频率与强度也可能发生变化，因而对其路径、强度及环境影响的精确预测变得尤为

重要。台风的形成与发展受气温、气压、洋流和风场等多重气象因素的影响，这些因素的复杂相互

作用使台风的研究具有高度挑战性。近年来，大数据和机器学习技术的进步为台风路径预测及其影

响因素分析带来了显著提升，但数据维度不一致、特征提取不足及模型鲁棒性较弱等问题依然存在，

制约了实际应用效果。因此，系统性地研究台风的分类、路径预测及登陆后衰减特征，有助于深入

理解台风的行为模式，为灾害预警和应对策略的制定提供有力的数据支持和理论基础。

首先，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。团队通过CHk-means来

进行聚类，得出了初步的台风分类结果，共计分类10类，并对每个类别进行了命名。同时，团队

再使用神经网络进行台风分类，利用各种特征将台风归类。最后再利用评价模型和降维分析与神经

网络的结合对影响因素小的特征删除完成降维处理，得到最终的分类见表4.2。通过对比夏季和秋

季台风的特征差异，发现夏季台风通常受到低气压和西南季风的影响，路径较为复杂，且更容易深

入内陆。而在秋季，气压较高，气压梯度增大，台风受东北季风的控制，路径多沿海偏东北方向转

向，表现出相对稳定的特点，影响范围也较小。此外，研究还表明，随着全球气候的变暖，秋季台

风的路径逐渐表现出与夏季台风相似的趋势。这一发现为更全面地理解台风的行为模式及其在气候

变化下的演变提供了重要依据。

其次，在台风路径预测方面，研究团队重点分析了气温、气压、洋流和风场等多种因素对路径

的影响，旨在预测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、强度及中心位置相近的历史台风数据作为训练样本。鉴于台风生命周期长短不

一且数据记录频率不一致，团队采用了步长为2天的滑动窗口方法，将每条台风数据划分为多个训

练样本，以便更全面地刻画台风在不同发展阶段的特征变化。最终提取了147个时序特征，包括经

度、纬度、风速、气压和气温等关键气象变量，并基于长短期记忆网络（LSTM）算法进行逐步预测，

具体预测结果如表5.2。为评估模型的准确性，团队采用动态时间规整（DTW）算法来计算预测路

径与实际路径之间的差异。DTW距离为3.29，表明两条路径在地理位置上的累积差异较小,这一评

估方法能够有效揭示路径预测的误差，为理解台风路径的动态变化特征提供了有力依据。

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，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，共计103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。

关键词：Haversine；CHk-means；神经网络；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、问题一模型的建立和求解6

4.1台风数据融合6

4.1.1台风数据筛选6

4.1.2多表数据融合6

4.2数据预处理7

4.3搭建特征空间8

4.3.1气温角度8

4.3.2气压角度8

4.3.3季风角度8

4.3.4其他路径和角度特征9

KMEANS