專利名稱：一種基于人工智能的臺風增水預測系統(tǒng)和方法
技術領域：
本申請涉及水文領域臺風增水預測技術。
背景技術：
現(xiàn)有臺風增水預測技術主要包含經驗統(tǒng)計方法和數(shù)值計算方法兩種方法。經驗統(tǒng) 計方法是依據(jù)歷史資料來建立預報因子與各種水文氣象要素之間關系的方法，主要手段是 利用回歸法和統(tǒng)計相關法。數(shù)值計算預報方法是根據(jù)解流體力學和熱力學方程來確定海洋 的未來狀態(tài)，數(shù)值計算方法能揭示和分析海洋及大氣變化過程的物理實質，需要掌握廣泛 的數(shù)學、物理、海洋等方面的知識。由于經驗預統(tǒng)計方法和數(shù)值計算預報方法都需要考慮大 量的氣象、海洋、大氣、地表等因素，難以考慮完全，因此目前主要依靠人為經驗預報。但是 經驗預報對預報員的個人業(yè)務素質要求較高，并且容易受到主觀因素影響。因此在利用人 工智能方法預測臺風增水方面還是空白。

發(fā)明內容
本申請的目的在于提供一種解決入海河流水文觀測站(目標觀測站)臺風期間增 水預測的智能方法，可以智能的預測目標觀測站12小時以后(目標預測時間)的臺風高潮 增水。其技術方案如下首先選擇臺風增水預測選擇的預測參數(shù)，包含臺風即時觀測數(shù)據(jù)和即時觀測時間 前一次臺風觀測數(shù)據(jù)(6小時前)的經度、緯度、臺風的中心氣壓、最大風速、移動速度、移動 方向以及河流上游來水信息(位于河流目標觀測站上游的上游觀測站目標預測時間之前 12小時的觀測增水信息)，目標觀測站歷史增水信息(包括目標預測時間之前M小時內的 兩次高潮增水信息)。其次，將所選的15個參數(shù)進行標準差歸一化，并將歸一化結果進行主 成分分析，將貢獻率大于90%的主成分作為人工神經網絡的輸入參數(shù)，將其對應的12小時 的預測數(shù)據(jù)作為人工神經網絡的輸出參數(shù)進行訓練，建立預測增水的神經網絡模型。最后， 將即時的臺風、上游來水、歷史增水信息的15個參數(shù)按照標準差歸一化和主成分分析的參 數(shù)分別進行標準差歸一化和主成分分析，并輸入以神經網絡模型為后臺的臺風增水預測 模型進行臺風增水預測。本發(fā)明的其他特征在附圖以及以下的詳細說明中都將會被描述。


通過例子闡述本發(fā)明，并且本發(fā)明不局限于附圖中的圖形，這些附圖中的類似參 考表示相似的元素。圖1是本發(fā)明中采用的主要的參數(shù)框架信息；圖2是本發(fā)明中臺風移動方向的數(shù)字化表示；圖3是本發(fā)明中采用的人工神經網絡算法-BP算法；
圖4是本發(fā)明中臺風增水預測算法過程；圖5展示的是本發(fā)明的神經網絡訓練示意圖；圖6展示的是本發(fā)明的實施方式的框架圖；圖7展示的是本發(fā)明的一示例用戶界面。
具體實施例方式本發(fā)明涉及一種在水文預報領域的智能臺風增水預報方法。以下的說明和附圖是 對本發(fā)明的詳細闡述和解釋，而并不能被看作對本發(fā)明的限定。以下大量細節(jié)旨在加強對 本發(fā)明的理解，然而，并非為了在細節(jié)上不必要地隱藏本發(fā)明，部分眾所周知或嘗試性的知 識并沒有被描述。圖1所示為本發(fā)明適用的條件以及河口臺風增水預測的參數(shù)選擇。本發(fā)明適用于 河流入?？谔幣_風增水的預測，根據(jù)其環(huán)境條件，選擇以下參數(shù)作為預測臺風增水的條件 參數(shù)(1)臺風動態(tài)變化過程參數(shù)。臺風的監(jiān)測是一般按照每個6小時(臺風期間每天的 2時、8時、14時和20時4次監(jiān)測數(shù)據(jù))計算一次臺風參數(shù)，包括經度、緯度、中心氣壓、最 大風速、移動速度和移動方向。臺風對潮汐的作用是一個動態(tài)過程，因此選擇相差6小時的 兩次臺風記錄數(shù)據(jù)作為動態(tài)臺風信息預測未來12小時的目標觀測站的增水高潮信息。(2) 上游來水信息。上游來水信息是由目標觀測站的上游觀測站的歷史潮位增水信息來表示， 以預測時間前一次記錄的高潮時上游觀測站的臺風增水信息。(3)歷史增水信息。以目標 觀測時間前M小時的兩次歷史高潮增水作為目標觀測站的歷史增水信息。圖2所示為本發(fā)明中臺風移動方向的數(shù)字化表示方法。臺風觀測信息中移動方向 WE、S、W、N方位表示，為了在本發(fā)明中應用，利用圖2所示方法將臺風移動方向從N開始 劃為廣16個方位數(shù)字，每隔22. 5度一個方位。圖3所示為本發(fā)明中采用的人工神經網絡的BP算法。BP算法是人工神經網絡的 經典算法，BP網絡分為三層輸入層，隱含層和輸出層，每層包含若干個神經元，神經元之 內包含相應的權值的閾值。層次之間通過傳遞函數(shù)進行連接，而層次內部神經元之間互不 關聯(lián)。BP算法通過誤差逆?zhèn)鬟f修改網絡各層次神經元的權值和閾值，直到誤差滿足要求為止。圖4所示為本發(fā)明中臺風增水預測過程。將選擇的15個預測臺風增水的神經網 絡參數(shù)的歷史數(shù)據(jù)進行標準差標準化，再進行主成分分析，提取貢獻率大于90 %的主成分 前幾個主成分。將提取的主成分作為神經網絡的輸入層參數(shù)，對應的12小時以后的目標觀 測站的臺風增水作為人工神經網絡的輸出層參數(shù)，運用人工神經網絡的訓練方法對建立的 網絡進行訓練，獲得預測目標觀測站未來12小時臺風增水的人工神經網絡模型。利用建立 好的人工神經網絡模型對目標水文站的臺風增水進行預測，將其預測結果與天文潮相加得 到預測的目標觀測站的臺風期間高潮預測信息，結合人工預報目標觀測站潮位和目標觀測 站的實際潮位，綜合應用于水文站的臺風期間高潮預測。圖5所示為本發(fā)明的神經網絡訓練示意圖。臺風增水預測的人工神經網絡模型通 過輸入歷史數(shù)據(jù)的不斷訓練達到收斂，滿足預報需要的誤差要求，圖示為人工神經網絡的 誤差收斂過程。圖6所示為本發(fā)明的實施方式的框架圖。通過后臺數(shù)據(jù)庫，包含歷史資料數(shù)據(jù)庫(主要是歷史臺風資料數(shù)據(jù)庫和歷史風暴潮資料數(shù)據(jù)庫)和人工神經網絡預測的臺風增水 資料數(shù)據(jù)庫支持，利用Matlab Webserver技術和HTML技術，建立用戶界面，輸入預報臺風 增水的參數(shù)信息，獲得實時的臺風增水預報數(shù)據(jù)。同時將預測的臺風信息存入預報信息數(shù) 據(jù)庫，并利用地理信息系統(tǒng)技術顯示臺風和風暴潮的歷史數(shù)據(jù)和預測的臺風增水數(shù)據(jù)。圖7所示為本發(fā)明的一示例用戶界面。以HTML的形式輸入計算臺風增水的參數(shù)， 通過后臺的Matlab Webserver技術利用建立好的人工神經網絡模型計算預測臺風增水結 果，并返回給HTML網頁顯示處理。以上僅為本申請的較佳實施例，并不以此限定本申請的保護范圍；在不違反本申 請構思的基礎上所作的任何替換與改進，均屬本申請的保護范圍。
權利要求
1.一種解決入海河流水文觀測站(目標觀測站)臺風期間增水預測的智能方法，可以 智能的預測目標觀測站12小時以后(目標預測時間)的臺風高潮增水和臺風期間的高潮 位，包括臺風增水預測選擇的參數(shù)，包含臺風即時觀測數(shù)據(jù)和即時觀測時間前一次臺風觀測數(shù) 據(jù)(6小時前的臺風觀測數(shù)據(jù))的經度、緯度、臺風的中心氣壓、最大風速、移動速度、移動方 向以及河流上游來水信息(位于河流目標觀測站上游的上游觀測站目標預測時間之前12 小時的觀測增水信息)，目標觀測站歷史增水信息(包括目標預測時間之前M小時內的兩 次高潮增水信息)，這些參數(shù)概括影響臺風行進路線和強度，以及影響臺風風暴潮高度的參 數(shù)；通過基于人工神經網絡建立的臺風增水的數(shù)學模型模擬目標觀測站歷史的臺風增水 信息，然后輸入即時的臺風和上游觀測站和目標觀測站的歷史臺風增水信息，從而預測目 標觀測站在目標觀測時間的臺風增水信息。
2.根據(jù)權利要求1所述的方法，其特征在于所述的入海河流水文觀測站臺風增水預 測智能方法中目標觀測時間為未來12小時。
3.根據(jù)權利要求1所述的方法，其特征在于所述的臺風即時觀測數(shù)據(jù)是通過遙感觀 測到的每6小時一次的臺風信息。
4.根據(jù)權利要求1所述的方法，其特征在于所述的上游來水信息是目標觀測站上游 水域的觀測站觀測到的增水信息。
5.根據(jù)權利要求1所述的方法，其特征在于所述的目標觀測站歷史增水信息是目標 觀測站在目標預測時間之前M小時內的兩次高潮位增水信息。
6.根據(jù)權利要求1所述的方法，其特征在于，該方法進一步包括將所選參數(shù)的歷史數(shù) 據(jù)進行主成分分析，提取主成分，并將提取的主成分和目標觀測站對應的歷史臺風增水數(shù) 據(jù)分別作為神經網絡的輸入參數(shù)和輸出參數(shù)進行神經網絡訓練，建立臺風增水預測的神經 網絡模型。
7.根據(jù)權利要求1所述的方法，其特征在于該方法進一步包括所選參數(shù)中臺風移動方 向的數(shù)字化表示方法。
全文摘要
本申請公開了一種解決入海河流水文觀測站(目標觀測站)臺風期間增水預測的智能方法，可以智能的預測目標觀測站12小時以后(目標預測時間)的臺風高潮增水和臺風時期的高潮位信息，包括臺風增水預測選擇的預測參數(shù)，包含臺風即時觀測數(shù)據(jù)和即時觀測時間前一次臺風觀測數(shù)據(jù)(6小時前)的經度、緯度、臺風的中心氣壓、最大風速、移動速度、移動方向以及河流上游來水信息(位于河流目標觀測站上游的上游觀測站目標預測時間之前12小時的觀測增水信息)，目標觀測站歷史增水信息(包括目標預測時間之前24小時內的兩次高潮增水信息)，這些參數(shù)概括影響臺風行進路線和強度，以及影響臺風風暴潮高度的參數(shù)。通過基于人工神經網絡建立的預測臺風增水的數(shù)學模型模擬目標觀測站歷史的臺風增水信息，然后輸入即時的臺風和上游觀測站和目標觀測站的歷史臺風增水信息，從而預測目標觀測站在目標觀測時間的臺風增水信息。
文檔編號G06N3/02GK102109619SQ20091020071
公開日2011年6月29日 申請日期2009年12月23日 優(yōu)先權日2009年12月23日
發(fā)明者栗小東 申請人:何俊, 徐冉, 栗小東