首頁 > 期刊 > 自然科學(xué)與工程技術(shù) > 信息科技 > 自動(dòng)化技術(shù) > 遙感信息 > 面向衛(wèi)星云圖及深度學(xué)習(xí)的臺(tái)風(fēng)等級(jí)分類 【正文】
面向衛(wèi)星云圖及深度學(xué)習(xí)的臺(tái)風(fēng)等級(jí)分類
- 深度學(xué)習(xí)
- 卷積神經(jīng)網(wǎng)絡(luò)
- 衛(wèi)星云圖
- 信息熵
- dropout置零率
摘要：臺(tái)風(fēng)是最嚴(yán)重的自然災(zāi)害之一,做好臺(tái)風(fēng)等級(jí)分類預(yù)測是防災(zāi)減災(zāi)的關(guān)鍵。針對(duì)現(xiàn)有衛(wèi)星云圖特征提取復(fù)雜、識(shí)別率低等問題,基于卷積神經(jīng)網(wǎng)絡(luò)框架,以北太平洋1978-2016年近1 000多個(gè)臺(tái)風(fēng)過程的衛(wèi)星云圖作為樣本,提出改進(jìn)深度學(xué)習(xí)模型Typhoon-CNNs。該框架采用循環(huán)卷積策略增強(qiáng)模型表征力,使用十折交叉驗(yàn)證引入信息熵、Dropout置零率以優(yōu)化模型靈敏度及防止過擬合。通過800樣本測試集對(duì)模型Typhoon-CNNs進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,本文算法的分類精度達(dá)到92.5%,臺(tái)風(fēng)和超強(qiáng)臺(tái)風(fēng)2個(gè)等級(jí)的預(yù)測正確率達(dá)到99%,優(yōu)于傳統(tǒng)分類方法。最后對(duì)模型提取的特征圖進(jìn)一步分析,模型能夠準(zhǔn)確識(shí)別臺(tái)風(fēng)眼和螺旋云帶,從而證明Typhoon-CNNs對(duì)臺(tái)風(fēng)等級(jí)分類的可行性。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
遙感信息
- 預(yù)計(jì)1-3個(gè)月 預(yù)計(jì)審稿周期
- 1.03 影響因子
- 地質(zhì) 快捷分類
- 雙月刊 出版周期
主管單位：中華人民共和國自然資源部;主辦單位：中國測繪科學(xué)研究院
我們提供的服務(wù)
在線客服
一對(duì)一咨詢服務(wù)、簡單快捷、省時(shí)省力
了解更多 >
快遞配送
直郵到家、實(shí)時(shí)跟蹤、更安全更省心
了解更多 >
雜志訂閱
去除中間環(huán)節(jié)享受低價(jià)，物流進(jìn)度實(shí)時(shí)通知
了解更多 >
雜志推薦
正版雜志，匹配度高、性價(jià)比高、成功率高
了解更多 >