【技术实现步骤摘要】
本专利技术涉及一种台风预测方法、系统、设备及存储介质，属于气象预测。
技术介绍
1、台风监测目前有多种手段可以实现，当前气象卫星通过快速成像仪和探测仪加密扫描观测，实现了分钟内百米级分辨率的区域观测，为短时极端天气提供高分辨率昼夜连续监测数据。利用气象站、气象卫星和气象雷达等手段观测和预测台风。但台风通常在海上生成，海上观测资料稀少，甚至是观测盲区。现有的天基观测手段(如)卫星无法对台风进行精细的“直接”探测，预报员有时无法准确知道台风中心在哪里，数值模式也无法准确描述台风涡旋结构，从而造成预报误差偏大。而气象站通过监测气温、气压、风向、风速等要素推测台风位置和强度，气象卫星分析云图和红外图像以了解台风结构和动态，气象雷达探测云雨分布和风场情况，实现了更加精细的监控。
2、光纤传感器由于抗电磁干扰、可分布式监测等优势，且具备振动、温度、压力、盐度、潮汐、风速等众多参量的传感能力，能够满足与台风密切相关的环境监测需求。通过在台风常发区域集成传感器技术，可以实时监测多种参数信息，及时发现异常情况并进行预警。现有的技术方案中，基于后向瑞利散射空间光的差分干涉能够实现振动测量，适用于大范围的风速探测，但这种方案探测的信噪比较低，当研究人员在普通单模光纤中刻写光栅后，基于光栅阵列能够实现振动信号的测量，初步证明了其在风力振动下的振动特性，由于光纤传感技术的高灵敏度特点，振动测量系统总是存在复杂的噪声干扰，从而影响监测事件的判别。但就当前技术实现而言，仅通过单一物理量实现台风天气的实时监测难以准确获取台风活动规律，即使通过复杂监
技术实现思路
1、为了解决上述现有技术中存在的问题，本专利技术提出了一种台风预测方法、系统、设备及存储介质。
2、本专利技术的技术方案如下：
3、一方面，本专利技术提出一种台风预测方法，包括以下步骤：
4、通过光纤传感器采集目标区域内与台风相关的不同种类的环境数据，统一封装为多参量时序数据信号；
5、将多参量时序数据信号按时间间隔划分为历史信号和当前信号；
6、通过历史信号对时序预测模型进行训练，将当前信号输入至训练后的时序预测模型，得到未来时刻的预测信号；
7、计算预测信号与历史信号或当前信号之间的相关系数，根据计算出的相关系数与预设的阈值比较输出未来时刻的台风预测结果；
8、其中，相关系数指示两组信号之间的相关性。
9、作为优选实施方式，所述光纤传感器采用干涉型光纤传感器，其采集的信号表示为：
10、
11、其中，it1(t)表示在t1时刻采集的三路干涉信号，a和b分别为干涉后光电转换产生的直流及交流分量，z取值为1、2、3，为t1时刻的光纤相位；
12、通过光栅干涉相位解调算法得到不同时刻台风天气所产生的光纤相位变化量输入至时序预测模型。
13、作为优选实施方式，所述时序预测模型采用lstm网络模型，lstm网络模型的状态表示为：
14、
15、其中，ht-1为前一时刻的隐藏状态，gf、gi、go分别为遗忘门、输入门、输出门，为光纤相位变化量，wf、wi、wo分别为遗忘门、输入门、输出门的权重矩阵之后，σ(·)为非线性sigmoid激活函数，g为第二输入数据，w为第二输入数据的权重矩阵，tanh(·)为双曲正切激活函数，bf、bi、bo、b分别为遗忘门、输入门、输出门、第二输入数据的偏置参数；
16、根据上述状态，lstm网络模型转化为：
17、
18、其中，ct为当前时刻的细胞状态，ct-1为上一时刻的细胞状态，ht为当前时刻的隐藏状态，yt为当前时刻的预测输出结果。
19、作为优选实施方式，所述计算预测信号与历史信号或当前信号之间的相关系数的步骤中，相关系数的计算公式具体如下：
20、
21、其中，fcor(x)表示相关系数，e[·]为计算期望，yt(t1)为通过时序预测模型输出的历史信号或当前信号的预测输出结果，yt(t3)为通过时序预测模型输出的预测信号的预测输出结果，t为时间步，n为时间步上限。
22、另一方面，本专利技术还提出一种台风预测系统，包括：
23、数据采集模块，用于通过光纤传感器采集目标区域内与台风相关的不同种类的环境数据，统一封装为多参量时序数据信号；
24、数据划分模块，用于将多参量时序数据信号按时间间隔划分为历史信号和当前信号；
25、数据预测模块，用于通过历史信号对时序预测模型进行训练，将当前信号输入至训练后的时序预测模型，得到未来时刻的预测信号；
26、台风预测模块，用于计算预测信号与历史信号或当前信号之间的相关系数，根据计算出的相关系数与预设的阈值比较输出未来时刻的台风预测结果；
27、其中，相关系数指示两组信号之间的相关性。
28、作为优选实施方式，所述光纤传感器采用干涉型光纤传感器，其采集的信号表示为：
29、
30、其中，it1(t)表示在t1时刻采集的三路干涉信号，a和b分别为干涉后光电转换产生的直流及交流分量，z取值为1、2、3，为t1时刻的光纤相位；
31、通过光栅干涉相位解调算法得到不同时刻台风天气所产生的光纤相位变化量输入至时序预测模型。
32、作为优选实施方式，所述时序预测模型采用lstm网络模型，lstm网络模型的状态表示为：
33、
34、其中，ht-1为前一时刻的隐藏状态，gf、gi、go分别为遗忘门、输入门、输出门，为光纤相位变化量，wf、wi、wo分别为遗忘门、输入门、输出门的权重矩阵之后，σ(·)为非线性sigmoid激活函数，g为第二输入数据，w为第二输入数据的权重矩阵，tanh(·)为双曲正切激活函数，bf、bi、bo、b分别为遗忘门、输入门、输出门、第二输入数据的偏置参数；
35、根据上述状态，lstm网络模型转化为：
36、
37、其中，ct为当前时刻的细胞状态，ct-1为上一时刻的细胞状态，ht为当前时刻的隐藏状态，yt为当前时刻的预测输出结果。
38、作为优选实施方式，所述计算预测信号与历史信号或当前信号之间的相关系数的步骤中，相关系数的计算公式具体如下：
39、
40、其中，fcor(x)表示相关系数，e[·]为计算期望，yt(t1)为通过时序预测模型输出的历史信号或当前信号的预测输出结果，yt(t3)为通过时序预测模型输出的预测信号的预测输出结果，t为时间步，n为时间步上限。
41、再一方面，本专利技术还提出一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术任一实施例所述的台风预测方法本文档来自技高网...
【技术保护点】
1.一种台风预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种台风预测方法，其特征在于，所述光纤传感器采用干涉型光纤传感器，其采集的信号表示为：
3.根据权利要求1所述的一种台风预测方法，其特征在于，所述时序预测模型采用LSTM网络模型，LSTM网络模型的状态表示为：
4.根据权利要求1所述的一种台风预测方法，其特征在于，所述计算预测信号与历史信号或当前信号之间的相关系数的步骤中，相关系数的计算公式具体如下：
5.一种台风预测系统，其特征在于，包括：
6.根据权利要求5所述的一种台风预测系统，其特征在于，所述光纤传感器采用干涉型光纤传感器，其采集的信号表示为：
7.根据权利要求5所述的一种台风预测系统，其特征在于，所述时序预测模型采用LSTM网络模型，LSTM网络模型的状态表示为：
8.根据权利要求5所述的一种台风预测系统，其特征在于，所述计算预测信号与历史信号或当前信号之间的相关系数的步骤中，相关系数的计算公式具体如下：
9.一种电子设备，包括存储器、处理器及存储在存
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的台风预测方法。
...【技术特征摘要】
1.一种台风预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种台风预测方法，其特征在于，所述光纤传感器采用干涉型光纤传感器，其采集的信号表示为：
3.根据权利要求1所述的一种台风预测方法，其特征在于，所述时序预测模型采用lstm网络模型，lstm网络模型的状态表示为：
4.根据权利要求1所述的一种台风预测方法，其特征在于，所述计算预测信号与历史信号或当前信号之间的相关系数的步骤中，相关系数的计算公式具体如下：
5.一种台风预测系统，其特征在于，包括：
6.根据权利要求5所述的一种台风预测系统，其特征在于，所述光纤传感器采用干涉型光纤传感器，其采集的...
【专利技术属性】
技术研发人员：陈瀚，李源灏，陈小倩，陈月华，姚文杰，王晟，徐海键，黄惠琳，刘俊威，李泽威，
申请(专利权)人：国网福建省电力有限公司信息通信分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。