CN112288189A - 台风登陆点预测方法、***及计算机存储介质 - Google Patents

台风登陆点预测方法、***及计算机存储介质 Download PDF

Info

Publication number
CN112288189A
CN112288189A CN202011302209.5A CN202011302209A CN112288189A CN 112288189 A CN112288189 A CN 112288189A CN 202011302209 A CN202011302209 A CN 202011302209A CN 112288189 A CN112288189 A CN 112288189A
Authority
CN
China
Prior art keywords
grid
typhoon
landing
login
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011302209.5A
Other languages
English (en)
Other versions
CN112288189B (zh
Inventor
冯涛
蔡泽林
徐勋建
郭俊
李丽
叶钰
邸悦伦
简洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011302209.5A priority Critical patent/CN112288189B/zh
Publication of CN112288189A publication Critical patent/CN112288189A/zh
Application granted granted Critical
Publication of CN112288189B publication Critical patent/CN112288189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及气象预报技术领域，公开一种台风登陆点预测方法、***及计算机存储介质，提高台风登陆预测精度。本发明方法包括下述步骤：1、收集历史台风路径信息。2、确定台风计算区域和网格划分。3、台风登陆网格频数计算。4、台风位置集合数值预测。5、集合登陆点计算。6、台风登陆地点计算。本发明结合历史信息对集合预测的台风登陆点进行校正，无需复杂大量计算，就能够实现登陆点的校正。能够动态的适用于不同时间段、不同地区的台风登陆点的预测校正；可广泛推广应用。

Description

台风登陆点预测方法、***及计算机存储介质
技术领域
本发明涉及气象预报技术领域，尤其涉及一种台风登陆点预测方法、***及计算机存储介质。
背景技术
台风是一种致灾性极强的天气***，特别是登陆台风，对影响区域易造成极大的损害，因此，登陆台风登陆点的预测十分重要。
目前，对于台风的预测主要采用数值模式，通过全球模式和观测资料，获取预测区域的初始和边界条件，然后驱动台风数值模式计算，预测台风登陆的位置。由于各个国家都在研发自己的数值模式，模式种类多，计算过程不一样。且台风模式的计算过程中，由于参数设定的不同，导致预测结果存在差异。因此，需要对数值模式预测的台风登陆点的进行校正。采用人工经验校正，主观性强，偏差大。客观校正中，集合预报方法是减小台风登陆点预测不确定性的一种有效方法，但该方法仅考虑了不同模式的本身，没有与历史数据建立定量关系。
发明内容
本发明目的在于公开一种台风登陆点预测方法、***及计算机存储介质，提高台风登陆预测精度。
为达上述目的，本发明公开一种台风登陆点预测方法，包括：
步骤S1、收集历史台风路径信息；具体包括：
设定历史台风的收集时间段T，并收集T时间段内登陆台风的信息，包括台风登陆地点的经纬度信息，台风登陆前t1、t2、…、tn时刻的位置经纬度信息；其中，t1<t2<…<tn；
步骤S2、确定台风计算区域和网格划分；具体包括：
根据步骤S1中收集的登陆台风位置信息，设定网格分辨率，并确定包含所有登陆点及相对应t1到tn时刻位置的网格范围；
步骤S3、台风登陆网格频数计算；具体包括：
将步骤S1收集的台风登陆地点，按照步骤S2划分的网格进行统计，当登陆点属于某一网格时，该网格计数加1，统计后获得s个有计数的登陆网格；
对于其中一个登陆网格i，1≤i≤s，收集属于该登陆网格的台风，并对每一个台风的前t1到tn时刻的位置进行网格匹配，找到对应的网格后，该网格计数加1，从而得对应登陆网格的前t1到tn时刻的台风位置频数统计网格；
重复本步骤，完成所有登陆网格的频数网格统计；
步骤S4、台风位置集合数值预测，获得P组预测结果；提取预测结果中的登陆位置和登陆前t1到tn时刻的位置，按照步骤S2和步骤S3中划分的网格进行网格统计；
步骤S5、集合登陆点计算；具体包括：
根据步骤S4计算的P组结果，按照预报时间从tn到t1的顺序，逐步计算预测点；对于其中一个预报时间tk，k∈[1,n]，计算过程如下：
将tk的所在的网格，与所有登陆网格进行对应；情况如下：
A、当tk的所在的网格为步骤S3中有历史计数的网格时，则将该网格基于步骤S3所匹配的登陆网格计数ckj加1，j∈[1,s]；
B、当tk的所在的网格不存在步骤S3中的历史计数时，判断预测的登陆点是否为步骤S3中的不存在历史匹配关系的其他登录网格，如果是，将相应的登录网格计数ckj加1，否则，在原来的登陆网格基础上，根据预测的登陆点增加新的登陆网格，并计数加1，记录为ckz；
完成P组的tk计算后，形成登陆前tk时刻的预报向量Lk；
Lk＝(ck1 ck2 ... cks ... ckz1 ... ckzr)
其中，ckz1至ckzr为基于情况B增加的新的登录网格，且在ck1至cks计数过程中，将步骤S3得到的历史计数进行清零处理；重复本步骤，计算t1到tn所有预报时刻的结果，得到登陆矩阵L：
Figure BDA0002787243540000021
步骤S6、台风登陆地点计算；具体包括：
根据数值模式评估，得到不同时刻的预报可靠性系数矩阵F，并计算不同时刻的登陆点Ps；计算公式为：
F＝(f1 f2 ... fn)
Ps＝F·L
Ps＝(Ps1 Ps2 ... Pss ... Psz1 ... Pszr)
Figure BDA0002787243540000031
PL＝max(Ps)
其中，PL为预测的台风登陆网格。
为达上述目的，本发明还公开一种台风登陆点预测***：包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法的步骤。
与上述方法相对应的，本发明还公开一种计算机存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现上述方法中的步骤。
本发明具有以下有益效果：
1、本发明计算流程简便，结合历史信息对集合预测的台风登陆点进行校正，且无需复杂大量计算，就能够实现登陆点的校正。
2、本发明通用性好，能够动态的适用于不同时间段、不同地区的台风登陆点的预测校正。
3、采用本发明技术，能够实现台风登陆点自动校正，为提前研判台风登陆点，开展电网台风防灾应急提供支撑。
下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的台风登陆点预测方法流程示意图。
图2是本发明实施例的登陆台风网格历史数据统计。
图3是本发明实施例的台风集合预测图例1。
图4是本发明实施例的台风集合预测图例2。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种台风登陆点预测方法，如图1所示，具体包括：
(1)收集历史台风路径信息
收集6月份该区域历史10年的共7个登陆台风信息，包括台风登陆地点的经纬度信息，台风登陆前6小时、12小时、18小时的位置经纬度信息，以及台风在海上持续的时间长度。其中登陆台风的还是持续时间均大于18小时。
(2)确定台风计算区域和网格划分
根据步骤(1)中收集的登陆台风位置信息，确定网格划分的范围，需要包含登陆前6小时、12小时、18小时和登陆点等所有的位置。设定网格分辨率为30×30km，并将确定的范围进行网格划分。
(3)台风登陆网格频数计算
将步骤(1)收集的台风登陆地点，按照步骤(2)划分的网格进行统计，当登陆点属于某一网格时，该网格计数加1。统计后获得3个有计数的登陆网格。
对于其中一个登陆网格i(1≤i≤3)，收集属于该登陆网格的台风，并对每一个台风登陆前6小时、12小时、18小时的位置进行网格匹配。找到对应的网格后，该网格计数加1，从而得对应登陆网格的前6小时、12小时、18小时的台风位置频数统计网格。
重复本步骤，完成所有登陆网格的频数网格统计。如图2所示，可以用同一颜色系列不同颜色深浅分别表示台风登陆前6小时、12小时和18小时台风的位置。
(4)台风位置集合数值预测
设定台风预测的初始条件，并设定3组物理参数方案，采用数值模式HWRF和台风当前监测信息，开展台风的路径预测。获得3组预测结果。提取预测结果中的登陆位置和登陆前6小时、12小时、18小时的位置，按照步骤(1)中划分的网格进行网格统计。
(5)集合登陆点计算
根据步骤(4)计算的3组预测结果，按照预报时间从18小时、12小时、6小时的顺序，逐步计算预测点(具体为网格中不同颜色的小圆点，同一种颜色代表一组后不同时间顺序的预测点，离登录点的距离远近分别代表预报时间的大小)。
参照图3,计算流程如下：
第6行第7列的网格内，为登陆前18小时的预测点，基于上述步骤(3)的历史数据对应关系，其对应18小时的登陆点为第4行第2列的登陆网格，故每次预报结果都对计数加1，则前18小时的登陆预报向量为(3,0,0)。
第6行第4及第5列的网格，为登陆前12小时的预测点，对于第5列网格的两种预报方案，基于上述步骤(3)的历史数据对应关系，其对应登陆网格为第4行第2列的登录网格，故累计计数为2，而对于第4列网格的一种预报方案，其不存在基于上述步骤(3)的历史数据对应关系，且该方案预报的登陆点不属于上述步骤统计的其他历史登陆点，因此将该方案预报的登陆点(即处在第1列第4行的网格)划分一个新的登陆网格，并计数加1。得到12小时的预报向量(2,0,0,1)，其中1为考虑新预测登陆点的计数网格。
第6行第2及第3列的网格，为登陆前6小时的预测点。对于第3列网格的一种预报方案，基于上述步骤(3)的历史数据对应关系，其对应登陆网格为第4行第2列的登录网格，故计数加1，而对于第2列的两种预报方案，基于与上段同样的理由，则直接将两种预报方案对应的登陆点分别划分一个新的登陆网格，且该两种预报方案对应的登陆点同处在第1列第4行的网格，故将该网格设为新的登录网格并累积计数为2。藉此，本次计算，得到6小时的预报向量(1,0,0,2)。
对于所有登陆网格的预报向量组合，得到预报矩阵：
Figure BDA0002787243540000051
(6)台风登陆地点计算
根据数值模式评估，得到不同时刻的预报可靠性系数矩阵F，并计算不同时刻的登陆点Ps。其中：
F＝(0.2 0.4 0.7)
Ps＝F·L＝(2.1 0 0 1.8)
求取Ps中的最大值2.1，即为预测的台风登陆网格为第2列第3行所在登陆网格。
实施例2
本实施例以某沿海地区台风预测2为例，进一步说明本发明台风登陆点预测方法。
步骤(1)至步骤(4)同实施例1，不做赘述。
(5)根据步骤(4)计算的3组预测结果，按照预报时间从18小时、12小时、6小时的顺序，逐步计算预测点。
参照图4，计算流程如下：
第6行第7列的网格内，为登陆前18小时的预测；第6行第4及第5列的网格，为登陆前12小时的预测；计算同实施例1。
第6行第2列的网格，为登陆前6小时三种预测方案共同的预测点。且该共同的预测点不存在基于上述步骤(3)的历史数据对应关系，该三种方案预报的登陆点同处在第1列第4行的网格，不属于上述步骤(3)统计的其他历史登陆点，则直接将三种预报方案共同对应的登陆点划分一个新的登陆网格，并累积计数为3。藉此，本次计算，得到6小时的预报向量(0,0,0,3)。
对于所有登陆网格的预报向量组合，得到预报矩阵：
Figure BDA0002787243540000061
(6)台风登陆地点计算
根据数值模式评估，得到不同时刻的预报可靠性系数矩阵F，并计算不同时刻的登陆点Ps。其中：
F＝(0.2 0.4 0.7)
Ps＝F·L＝(1.4 0 0 2.5)
求取Ps中的最大值2.5，即为预测的台风登陆网格为第1列第4行所在的新增的登陆地点。
实施例3
本实施例公开一种台风登陆点预测***：包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现下述方法的步骤。该方法具体包括：
步骤S1、收集历史台风路径信息；具体包括：
设定历史台风的收集时间段T，并收集T时间段内登陆台风的信息，包括台风登陆地点的经纬度信息，台风登陆前t1、t2、…、tn时刻的位置经纬度信息；其中，t1<t2<…<tn。
步骤S2、确定台风计算区域和网格划分；具体包括：
根据步骤S1中收集的登陆台风位置信息，设定网格分辨率，并确定包含所有登陆点及相对应t1到tn时刻位置的网格范围。
步骤S3、台风登陆网格频数计算；具体包括：
将步骤S1收集的台风登陆地点，按照步骤S2划分的网格进行统计，当登陆点属于某一网格时，该网格计数加1，统计后获得s个有计数的登陆网格。
对于其中一个登陆网格i，1≤i≤s，收集属于该登陆网格的台风，并对每一个台风的前t1到tn时刻的位置进行网格匹配，找到对应的网格后，该网格计数加1，从而得对应登陆网格的前t1到tn时刻的台风位置频数统计网格。
重复本步骤，完成所有登陆网格的频数网格统计。
步骤S4、台风位置集合数值预测，获得P组预测结果；提取预测结果中的登陆位置和登陆前t1到tn时刻的位置，按照步骤S2和步骤S3中划分的网格进行网格统计。
步骤S5、集合登陆点计算；具体包括：
根据步骤S4计算的P组结果，按照预报时间从tn到t1的顺序，逐步计算预测点；对于其中一个预报时间tk，k∈[1,n]，计算过程如下：
将tk的所在的网格，与所有登陆网格进行对应；情况如下：
A、当tk的所在的网格为步骤S3中有历史计数的网格时，则将该网格基于步骤S3所匹配的登陆网格计数ckj加1，j∈[1,s]。
B、当tk的所在的网格不存在步骤S3中的历史计数时，判断预测的登陆点是否为步骤S3中的不存在历史匹配关系的其他登录网格，如果是，将相应的登录网格计数ckj加1，否则，在原来的登陆网格基础上，根据预测的登陆点增加新的登陆网格，并计数加1，记录为ckz。
完成P组的tk计算后，形成登陆前tk时刻的预报向量Lk。
Lk＝(ck1 ck2 ... cks ... ckz1 ... ckzr)
其中，ckz1至ckzr为基于情况B增加的新的登录网格，且在ck1至cks计数过程中，将步骤S3得到的历史计数进行清零处理；重复本步骤，计算t1到tn所有预报时刻的结果，得到登陆矩阵L：
Figure BDA0002787243540000071
步骤S6、台风登陆地点计算；具体包括：
根据数值模式评估，得到不同时刻的预报可靠性系数矩阵F，并计算不同时刻的登陆点Ps；计算公式为：
F＝(f1 f2 ... fn)
Ps＝F·L
Ps＝(Ps1 Ps2 ... Pss ... Psz1 ... Pszr)
Figure BDA0002787243540000081
PL＝max(Ps)
其中，PL为预测的台风登陆网格。
实施例4
与上述实施例相对应的，本实施例公开一种计算机存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现上述方法中的步骤。
综上，本发明上述各实施例所分别公开的台风登陆点预测方法、***及计算机存储介质，至少具有以下有益效果：
1、本发明计算流程简便，结合历史信息对集合预测的台风登陆点进行校正，且无需复杂大量计算，就能够实现登陆点的校正。
2、本发明通用性好，能够动态的适用于不同时间段、不同地区的台风登陆点的预测校正。
3、采用本发明技术，能够实现台风登陆点自动校正，为提前研判台风登陆点，开展电网台风防灾应急提供支撑。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种台风登陆点预测方法，其特征在于，包括：
步骤S1、收集历史台风路径信息；具体包括：
设定历史台风的收集时间段T，并收集T时间段内登陆台风的信息，包括台风登陆地点的经纬度信息，台风登陆前t1、t2、…、tn时刻的位置经纬度信息；其中，t1<t2<…<tn；
步骤S2、确定台风计算区域和网格划分；具体包括：
根据步骤S1中收集的登陆台风位置信息，设定网格分辨率，并确定包含所有登陆点及相对应t1到tn时刻位置的网格范围；
步骤S3、台风登陆网格频数计算；具体包括：
将步骤S1收集的台风登陆地点，按照步骤S2划分的网格进行统计，当登陆点属于某一网格时，该网格计数加1，统计后获得s个有计数的登陆网格；
对于其中一个登陆网格i，1≤i≤s，收集属于该登陆网格的台风，并对每一个台风的前t1到tn时刻的位置进行网格匹配，找到对应的网格后，该网格计数加1，从而得对应登陆网格的前t1到tn时刻的台风位置频数统计网格；
重复本步骤，完成所有登陆网格的频数网格统计；
步骤S4、台风位置集合数值预测，获得P组预测结果；提取预测结果中的登陆位置和登陆前t1到tn时刻的位置，按照步骤S2和步骤S3中划分的网格进行网格统计；
步骤S5、集合登陆点计算；具体包括：
根据步骤S4计算的P组结果，按照预报时间从tn到t1的顺序，逐步计算预测点；对于其中一个预报时间tk，k∈[1,n]，计算过程如下：
将tk的所在的网格，与所有登陆网格进行对应；情况如下：
A、当tk的所在的网格为步骤S3中有历史计数的网格时，则将该网格基于步骤S3所匹配的登陆网格计数ckj加1，j∈[1,s]；
B、当tk的所在的网格不存在步骤S3中的历史计数时，判断预测的登陆点是否为步骤S3中的不存在历史匹配关系的其他登录网格，如果是，将相应的登录网格计数ckj加1，否则，在原来的登陆网格基础上，根据预测的登陆点增加新的登陆网格，并计数加1，记录为ckz；
完成P组的tk计算后，形成登陆前tk时刻的预报向量Lk；
Lk＝(ck1 ck2 ... cks ... ckz1 ... ckzr)
其中，ckz1至ckzr为基于情况B增加的新的登录网格，且在ck1至cks计数过程中，将步骤S3得到的历史计数进行清零处理；重复本步骤，计算t1到tn所有预报时刻的结果，得到登陆矩阵L：
Figure FDA0002787243530000021
步骤S6、台风登陆地点计算；具体包括：
根据数值模式评估，得到不同时刻的预报可靠性系数矩阵F，并计算不同时刻的登陆点Ps；计算公式为：
F＝(f1 f2 ... fn)
Ps＝F·L
Ps＝(Ps1 Ps2 ... Pss ... Psz1 ... Pszr)
Figure FDA0002787243530000022
PL＝max(Ps)
其中，PL为预测的台风登陆网格。
2.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，tn小于时间段T内所收集的登陆台风在海上持续的最小时间长度。
3.根据权利要求2所述的方法，其特征在于，所述时间段T根据季节设定。
4.一种台风登陆点预测***：包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一所述方法的步骤。
5.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述权利要求1至3任一所述方法中的步骤。
CN202011302209.5A 2020-11-19 2020-11-19 台风登陆点预测方法、***及计算机存储介质 Active CN112288189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011302209.5A CN112288189B (zh) 2020-11-19 2020-11-19 台风登陆点预测方法、***及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011302209.5A CN112288189B (zh) 2020-11-19 2020-11-19 台风登陆点预测方法、***及计算机存储介质

Publications (2)

Publication Number Publication Date
CN112288189A true CN112288189A (zh) 2021-01-29
CN112288189B CN112288189B (zh) 2023-06-30

Family

ID=74399338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011302209.5A Active CN112288189B (zh) 2020-11-19 2020-11-19 台风登陆点预测方法、***及计算机存储介质

Country Status (1)

Country Link
CN (1) CN112288189B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100050684A (ko) * 2008-11-06 2010-05-14 한국해양연구원 연안지역의 해도와 육도의 접합 정밀 지형도 제작방법
CN102254239A (zh) * 2011-06-01 2011-11-23 福建省电力有限公司 基于微地形风场分布及台风叠加效应的电网风灾预警***
CN106844531A (zh) * 2016-12-29 2017-06-13 福建四创软件有限公司 一种基于网格的防汛指挥研判***
CN107194494A (zh) * 2017-04-20 2017-09-22 国网浙江省电力公司电力科学研究院 一种电网台风监测站布点方法
CN109271474A (zh) * 2018-10-09 2019-01-25 珠江水利委员会珠江水利科学研究院 一种基于网格大数据统计方法的热带气旋路径预报方法
CN109840634A (zh) * 2019-01-29 2019-06-04 宁波市气象台 登陆福建台风***环流中宁波强对流天气的概率预报方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100050684A (ko) * 2008-11-06 2010-05-14 한국해양연구원 연안지역의 해도와 육도의 접합 정밀 지형도 제작방법
CN102254239A (zh) * 2011-06-01 2011-11-23 福建省电力有限公司 基于微地形风场分布及台风叠加效应的电网风灾预警***
CN106844531A (zh) * 2016-12-29 2017-06-13 福建四创软件有限公司 一种基于网格的防汛指挥研判***
CN107194494A (zh) * 2017-04-20 2017-09-22 国网浙江省电力公司电力科学研究院 一种电网台风监测站布点方法
CN109271474A (zh) * 2018-10-09 2019-01-25 珠江水利委员会珠江水利科学研究院 一种基于网格大数据统计方法的热带气旋路径预报方法
CN109840634A (zh) * 2019-01-29 2019-06-04 宁波市气象台 登陆福建台风***环流中宁波强对流天气的概率预报方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙志林 等: "浪潮耦合的舟山渔港台风暴潮数值模拟" *

Also Published As

Publication number Publication date
CN112288189B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN111027175B (zh) 基于耦合模型集成模拟的洪水对社会经济影响的评估方法
CN113919231B (zh) 基于时空图神经网络的pm2.5浓度时空变化预测方法及***
WO2022077767A1 (zh) 交通流量预测方法及装置、计算机设备及可读存储介质
CN111612055B (zh) 天气形势的分型方法、空气污染状况的预测方法及装置
CN112116149B (zh) 一种考虑预报不确定性关联演化特征的多站中长期径流滚动概率预测方法
CN110619433B (zh) 电网暴雨数值模式参数化方案的快速选择方法及***
CN112528516A (zh) 一种耦合土地利用类型和气候变化的流域水环境管理方法
CN115640956A (zh) 一种未来水资源供需平衡分析方法
CN116703132B (zh) 共享车辆动态调度的管理方法、装置及计算机设备
CN111915096B (zh) 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术
CN112288189A (zh) 台风登陆点预测方法、***及计算机存储介质
CN117031584A (zh) 一种霜冻预测预报方法及***
CN114169590B (zh) 一种基于多情景划分的水库入库径流预报校正方法和***
CN116434138A (zh) 一种应用于多云多雾地区耕地智保实时动态监控方法
CN112529311B (zh) 一种基于图卷积分析的道路流量预测方法和装置
CN115936762A (zh) 景区人流量的预测方法、装置、设备及存储介质
CN108416469B (zh) 一种极端天气引起铁塔安全隐患的预测方法及***
CN113506000A (zh) 一种计算城市汇水区域暴雨溢流风险的方法
CN114707687A (zh) 基于热带大气次季节振荡信号的旬降水预测方法和***
CN117195749B (zh) 一种气候变化对区域公路网风险预测方法及可读存储介质
CN109522512B (zh) 一种气象数据补全方法及***
CN117909888B (zh) 智慧人工智能气候预测方法
CN117970529B (zh) 一种区域自动站修正地表下垫面参数的模式预报方法
CN112163742B (zh) 一种宅基地整治潜力预测方法
Karamouz et al. Evaluation of climate change impact on regional flood characteristics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant