(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110092462.0 (22)申请日 2021.01.24 (65)同一申请的已公布的文献号 申请公布号 CN 112883635 A (43)申请公布日 2021.06.01 (73)专利权人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 黄铭枫　王卿　李强　楼文娟　 (74)专利代理 机构 浙江杭州金通专利事务所有 限公司 3 3100 专利代理师 吉靖 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)(56)对比文件 CN 106570215 A,2017.04.19 CN 107229825 A,2017.10.0 3 Haiwei Xu等.Design Tropical Cycl one Wind Speed. 《ASCE》 .2020, 刘吉敏等.随机森林模型判定热 带气旋变性 完成时间. 《气象科技》 .2018,第46卷(第2期), SHI Kunpeng等.An improved random forest model of short-term w ind-power forecasti ng to enhance ac curacy, efficiency and robustnes s. 《WIND ENERGY》 .2018, 审查员 李玥 (54)发明名称 一种基于随机森林算法的热带气旋全路径 模拟方法 (57)摘要 本发明提供了一种新型的基于随机森林算 法的热带气旋全路径模拟方法。 采用基于机器学 习的随机森林算法挖掘历史台风关键信息的非 线性映射关系， 能有效避免传统全路径模拟方法 的线性回归分析拟合能力的不足。 该方法对基于 聚类分析生成的各类路径的整体信息建立模型， 可以针对每个模 型进行调试以保证学习效果， 无 需将计算海域划分成网格以进行大量的回归分 析。 随机森 林算法技术手段的引进可一定程度上 改进传统方法参数标定没有 标准流程的缺陷。 与 传统模拟方法一致的是， 该方法亦能对整个西北 太平洋区域的热带气旋生成、 行进路径、 行进方 向、 洋面强度发展以及登陆强度衰减进行随机模 拟， 生成大量符合历史样本特征的热带气旋路径 及强度随机事件样本集， 据此进行中国沿海地区 台风灾害风险的定量精细化评估， 从而有效地解 决局部区域历史样本不足的问题， 为灾害风险的定量精细化评估奠定了基础。 该方法能保证较好 的准确性和普遍性， 可推广到其他区域进行飓风 灾害风险评估分析。 权利要求书4页 说明书12页 附图7页 CN 112883635 B 2022.10.21 CN 112883635 B 1.一种基于随机森林算法的热 带气旋全路径模拟方法， 其特 征在于： 包括如下步骤： 第一步， 建立起始点模型， 包括抽样生成模拟热带气旋的年发生次数和生成起始点信 息； 第二步， 建立行进模型， 模拟热 带气旋的经纬度形成热 带气旋路径； 需要事先对路径进行聚类分析以将其分类， 第 二步中采用基于机器学习的随机森林路 径回归模型以及第四步的随机森林路径终止判别均针对不同路径类型分别学习建立； 按 热 带气旋的分布与行进特征分成四类， 分别对各类热带气旋的数据进行回归训练； 类型1： 从 生成至终止均在洋面且主要在东西方向运行分布； 类型2： 主要行进路线为西进方向， 可能 途径菲律宾、 中国 南海、 中国东南沿海诸省和东南亚部分区域； 类型3： 初始行进路线为西 北方向， 之后向东北方向行进 可能途径中 国东部沿海诸省、 日本和朝鲜半岛； 类型4： 从生成 至终止均在洋面且与类型1相比， 热 带气旋更多地向北发展； 第二步中采用基于机器学习的随机森林回归模型预测下一点的经度和纬度； 基于随机 森林回归算法分别对各类路径数据的经纬度信息特点进行学习训练， 生成路径预测回归模 型， 据此模型基于前三 步的经纬度信息对下一 步经纬度做出 预测： 式中： RFrlat和RFrlon分别为用于纬度预测和经度预测的随机森林回归模型； j＝1, 2,…,n， 表示采用的路径类别， n表示路径类别总数； lat为纬度， lon为经度； i+1、 i、 i ‑1、 i‑ 2、 i‑3分别表示下一、 当前、 前一、 前二、 前三时间步； εlat和 εlon为符合正态分布的零均值随 机扰动项； 第三步， 建立强度模型， 包括洋面强度发展模型和陆地强度衰减模型， 并根据热带气旋 路径中下一 点的经纬度选择相应的强度模型； 第三步中洋面强度发展模型是基于随机森林回归算法对所有路径数据的位置、 强度、 洋面温度进行 学习训练生成的， 以预测洋面上 下一模拟点的相对强度， 从而确定中心气压： Ii+1＝RFrI(lati,loni,Ii,Ii‑1,Ii‑2,SSTi+1,SSTi,SSTi‑1,SSTi‑2,MSLPi,MSLPi‑1,MSLPi‑2)+ εI(2) 式中： RFrI为用于热带气旋强度预测的随机森林回归模型； I为相对强度； SST为洋面温 度， 单位为K； εI为符合正态分布的零均值随机扰动项； MSLP为最小海平面气压， 单位为hpa； 综合考虑洋面温度、 平流层温度、 相对湿度影响， 将中心气压转换为相对强度； 第三步中陆地强度衰减模型是综合考虑 登陆持续 时间、 热带气旋强度 大小以及地表粗 糙度影响， 建立登陆强度回归 模型， 模拟热 带气旋登陆后的强度衰减： Δpt＝Δp0exp(‑mt) (3) 式中： Δp0为登陆时的中心气压差； Δpt为登陆t小时之后的中心气压差； m＝m0+m1Δp0+ εm， 系数m0、 m1和随机扰动项 εm可通过历史登陆热 带气旋的气压 差变化回归分析 得到； 第四步， 终止判别， 基于生成的气旋强度信息、 位置信息判决该 条模拟气旋是否终止； 第四步中采用随机森林分类算法对热带气旋的强度、 经纬度、 洋面温度、 行进时间进行 学习训练， 建立针对不同路径类别的热 带气旋进行终止判别： endi+1＝RFcend,j(lati,loni,SSTi,MSLPi,Ni) (4)权　利　要　求　书 1/4 页 2 CN 112883635 B 2式中： end表示热带气旋是否终止 的判决结果， 属于逻辑标量， “1”为终止，“0”， 为不终 止； RFcend表示用于终止判定的随机森林分类模型； N表示热 带气旋已行进的时间步； 第五步， 重复上述步骤直至生成给定模拟年份的所有路径， 并检验路径模拟结果， 对随 机生成的热 带气旋路径及强度大样本数据的关键参数进行统计分析； 第六步， 基于模拟生成的气旋路径及强度 大样本数据建立台风风场工程模型和边界层 模型， 包括 风场模型关键参数的标定， 计算模拟点台风 风速， 以进行极值分布分析。 2.根据权利要求1所述的基于随机森林算法的热带气旋全路径模拟方法， 其特征在于： 第一步中采用负二项分布对年发生次数进 行模型参数拟合， 并抽样生成模拟热带气旋的年 发生次数； 基于历史的热带气旋起始点信息计算全路径模拟所需的信息： 移动速度、 朝向、 所在位置的洋面温度、 相对强度， 进 而通过随机抽样确定每一条模拟台风的起始点信息 。 3.根据权利要求1所述的基于随机森林算法的热带气旋全路径模拟方法， 其特征在于： 第三步中对热带气旋路径中下一点的经纬度进行判断， 如果下一点是位于陆地， 则选择陆 地强度衰减 模型， 如果下一 点是位于洋面， 则选择洋面强度发展模型。 4.根据权利要求1所述的基于随机森林算法的热带气旋全路径模拟方法， 其特征在于： 第五步中模拟结果检验是对比随机模拟的路径及强度与历史热带气旋数据之间的差异， 定 量刻画模拟结果的精度； 第五步中的统计规律分析是将中国东南沿海海岸线划分为若干海 岸站点， 再统计每一个海岸点250km范围内模拟的和历史的在热带气旋年均频次、 移动速 度、 朝向以及中心气压差的结果差异， 以反映热带气旋全路径模拟的空间分布效果； 采用 Kolmogorov –Smirnov test对历史样本和模拟样本移动速度、 朝向以及中心气压差三个关 键参数的经验分布进行比较。 5.根据权利要求1～4中任意一项所述的基于随机森林算法的热带气旋全路径模拟方 法， 其特征在于： 第六步中对于进入模拟点250km范围内的台风路径以及强度样本， 采用Yan Meng风场模型计算模拟点的台风 风速， 具体步骤如下： (1)台风风场模型关键参数的标定 采用Vickery经验 模型估计最大风速半径Rmax和Holland气压剖面 参数B： 式中： Δp为中心气 压差； ψ为纬度； fc＝2×7.273×10‑5sin ψ； 和 εB为符合正态分布 的零均值随机扰动项； (2)建立气压模型 采用Holland气压模型： p＝MSLP+Δpexp[ ‑(Rmax/r)B] (7) 式中： p为距台风 中心径向距离为r处的海平面压强； Rmax为最大风速半径； B为气压剖面 参数； 根据式(5)， 气压梯度表达式为： (3)建立平衡方程权　利　要　求　书 2/4 页 3 CN 112883635 B 3