-
题名面向卫星云图及深度学习的台风等级分类
被引量：10
- 1
-
-
作者
邹国良
侯倩
郑宗生
黄冬梅
刘兆荣
-
机构
上海海洋大学信息学院
-
出处
《遥感信息》
CSCD
北大核心
2019年第3期1-6,共6页
-
基金
国家自然科学基金(41671431)
上海市科委地方高校能力建设项目(15590501900)
-
文摘
台风是最严重的自然灾害之一,做好台风等级分类预测是防灾减灾的关键。针对现有卫星云图特征提取复杂、识别率低等问题,基于卷积神经网络框架,以北太平洋1978-2016年近1 000多个台风过程的卫星云图作为样本,提出改进深度学习模型Typhoon-CNNs。该框架采用循环卷积策略增强模型表征力,使用十折交叉验证引入信息熵、Dropout置零率以优化模型灵敏度及防止过拟合。通过800样本测试集对模型Typhoon-CNNs进行验证,实验结果表明,本文算法的分类精度达到92.5%,台风和超强台风2个等级的预测正确率达到99%,优于传统分类方法。最后对模型提取的特征图进一步分析,模型能够准确识别台风眼和螺旋云带,从而证明Typhoon-CNNs对台风等级分类的可行性。
-
关键词
深度学习
卷积神经网络
卫星云图
信息熵
dropout置零率
台风等级
-
Keywords
deep learning
convolutional neural network
satellite cloud image
in formation entropy
dropout
Typhoon grade
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
