摘要
传统海洋环境预报主要包括数值预报和经验统计预报两大类。目前，海洋数值预报受次网格物理过程参数化、离散化算法、初始与边界条件及驱动场等因素的影响；经验统计预报主要采用传统的数理统计，受对物理过程认知水平限制而考虑的预报因子较少的影响，两类方法预报精度的提高均存在较大的技术瓶颈。在海洋领域引入大数据方法进行分析预报，能够避免目前海洋预报受物理机制认知限制等瓶颈，通过关联挖掘、模式识别、深度学习等智能分析方法，从数据中发现有价值的规则和隐匿的关联关系，实现对海洋环境的认知和预测。在此背景下，由河海大学作为牵头单位，自然资源部东海预报中心、国家海洋信息中心参与，共同组成了产学研用有机结合的优势研发团队。基于海洋实测数据和海洋模式结果，研究台风移动路径的时空特征，分析影响台风移动路径的海洋、气象要素关联因子，发展基于海洋、气象大数据分析的台风移动路径预报技术，构建台风路径预报模型。本年度主要开展台风移动路径与各海洋、气象要素之间的关联关系研究；探讨关键要素对台风移动路径的影响及其对台风的响应，确定台风路径预报关键影响因子；基于BP,CNN,TCN等神经网络算法，建立了台风路径预报模型、台风风圈预测模型以及台风路径预报超级集合预报模型。此外，建立了台风中心与强度遥感反演模型，用于提供实时台风信息。
NSTRS