(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 202210438320.X (22)申请日 2022.04.25 (65)同一申请的已公布的文献号 申请公布号 CN 114548606 A (43)申请公布日 2022.05.27 (73)专利权人 哈尔滨工业大 学 （深圳） （哈尔滨 工业大学深圳科技创新研究院） 地址 518055 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 贾鹏飞　李旭涛　叶允明　 (74)专利代理 机构 北京隆源天恒知识产权代理 有限公司 1 1473 专利代理师 戴棋钦 (51)Int.Cl. G06Q 10/04(2012.01)G06T 7/11(2017.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) 审查员 孙丹 (54)发明名称 一种气旋强度预测模型的构建方法及气旋 强度预测方法 (57)摘要 本发明公开了一种气旋强度预测模型的构 建方法及气旋强度预测方法， 所述构建方法包 括： 获得训练数据， 其中， 每个训练数据包括卫星 图像序列； 将卫星图像序列中的每个卫星图像依 次输入至区域曲面卷积层， 由区域曲面卷积层输 出第一空间特征图， 其中， 在区域曲面卷积层， 对 卫星图像进行遍历卷积， 在每次卷积中， 基于当 次卷积的中心采样点的经纬度确定当次卷积其 他采样点的经纬度， 将当次卷积的中心采样点的 经纬度和其他采样点的经纬度作为当次卷积的 采样范围； 基于第一空间特征图获得气旋强度预 测结果； 根据气旋强度预测结果和真实值计算损 失函数值， 基于损失函数值训练得到气旋强度预 测模型。 本发 明能构建出气旋强度预测准确性较 高的模型。 权利要求书2页 说明书8页 附图2页 CN 114548606 B 2022.08.23 CN 114548606 B 1.一种气旋强度 预测模型的构建方法， 其特征在于， 所述气旋强度 预测模型包括： 空间 特征提取网络， 所述空间特征提取网络包括至少一个空间特征提取块， 所述空间特征提取 块包括两个区域曲面卷积层和一个经纬度 注意力层， 所述经纬度 注意力层设置于两个所述 区域曲面卷积层之间， 所述气旋强度预测模型还包括时空特征提取网络， 所述时空特征提 取网络设置于所述空间特征提取网络之后， 所述时空特征提取网络包括扩展因果卷积网 络； 所述气旋强度预测模型还包括广义线性模型， 所述广义线性模型设置于所述时空特征 提取网络之后， 输出气旋强度预测结果， 所述气旋强度预测模型的构建方法包括： 从预置的训练数据集中获得训练数据， 其中， 每 个所述训练数据包括 卫星图像序列； 将所述卫星图像序列中的每个卫星图像依次输入至所述空间特征提取网络， 由所述空 间特征提取网络输出第一空间特征图， 其中， 在所述空间特征提取网络的所述区域 曲面卷 积层中， 对所述卫星图像进行遍历卷积， 在每次卷积中， 基于 当次卷积的中心采样点的经纬 度确定当次卷积其他采样点的经纬度， 将当次卷积的中心采样点的经纬度和其他采样点的 经纬度作为当次卷积的采样范围； 基于所述第一空间特 征图获得气旋强度预测结果； 根据所述气旋强度预测结果和真实值计算损失函数值， 基于所述损失函数值训练得到 所述气旋强度预测模型。 2.如权利要求1所述的气旋强度 预测模型的构建方法， 其特征在于， 所述空间特征提取 块还包括经纬度注意力层， 所述经纬度注意力层置于所述区域 曲面卷积层之后； 所述基于 所述第一空间特 征图获得气旋强度预测结果包括： 将所述第一空间特征图输入所述经纬度注意力层， 在所述经纬度注意力层， 分别在经 度方向和纬度方向对 所述第一空间特征图计算均值， 得到尺 寸分别为C*1*W和C*H*1的两个 特征块， 其中， C为 通道维度， H为经度维度， W 为纬度维度； 将两个所述特征块中的任一个特征块的最后两个维度交换， 再与剩下的另一个特征块 融合， 得到融合特 征块； 将所述融合特征块依次进行下采样和上采样后， 重新生成尺寸分别为C*1*W和C*H*1的 两个特征块， 将重新生成的两个特征块分别进行卷积和膨胀操作后生成两个尺寸为C*H*W 的特征块； 将两个尺寸 为C*H*W的特征块与所述第一空间特 征图融合得到第二空间特 征图； 基于所述第二空间特 征图获得气旋强度预测结果。 3.如权利要求2所述的气旋强度 预测模型的构建方法， 其特征在于， 所述空间特征提取 块还包括归一化 ‑激活函数层和最大池化层， 所述归一化 ‑激活函数层设置于所述区域曲面 卷积层之后， 所述 最大池化层设置 于所述空间特 征提取块的末尾。 4.如权利要求1所述的气旋强度 预测模型的构建方法， 其特征在于， 所述扩展因果卷积 网络包括空洞卷积与因果卷积。 5.如权利要求1所述的气旋强度 预测模型的构建方法， 其特征在于， 所述从预置的训练 数据集中获得训练数据之前， 还 包括： 获取原始的卫星图像集， 逐张计算卫星图像的均值、 方差和平方平均数， 其中， 所述卫 星图像集包 含训练数据集、 验证数据集和 测试数据集； 生成训练数据集的整体均值和整体方差；权　利　要　求　书 1/2 页 2 CN 114548606 B 2将所述卫星图像集中的所有卫星图像减去所述整体均值再除以所述整体方差， 得到标 准化后的训练数据集、 验证数据集和测试数据集， 其中， 所述预置的训练数据集为标准化后 的训练数据集。 6.如权利要求1所述的气旋强度 预测模型的构建方法， 其特征在于， 所述基于当次卷积 的中心采样点的经纬度确定 当次卷积其他采样点的经纬度包括： 采用如下公式确定 当次卷 积其他待计算的采样点的经纬度： ， ， 其中， 指纬度， 指经度， 指所述待计算的采样点在切平面区块上的坐标， ， 分别指所述中心采样点纬度和经度， 指所述待计算的采样点在切 平面区块上距 中心采样点的距离， 指 的反正切值， 。 7.一种气旋强度预测方法， 其特 征在于， 包括： 获取作为预测依据的卫星图像序列； 将所述卫星图像序列输入如权利要求1 ‑6中任一项所述的气旋强度 预测模型的构建方 法构建的气旋强度预测模型， 输出气旋强度预测值。 8.一种计算机设备， 其特征在于， 包括存储有计算机程序的计算机可读存储介质和处 理器， 所述计算机程序被所述处理器读取并运行时， 实现如权利要求 1‑6任一项所述的气 旋 强度预测模型的构建方法或者如权利要求7 所述的气旋强度预测方法。权　利　要　求　书 2/2 页 3 CN 114548606 B 3