基于潜空间扩散模型的台风路径与强度预报模型研究

摘要

台风路径、强度的精准预报是台风减灾防灾的基础，基于潜空间扩散模型（Latent Diffusion Model,LDM）发展了台风路径和强度预报模型.为此，首先改进了LDM，引入结构相似度（SSIM）损失和离散傅里叶变换（DFT）损失，以提升变分自编码器（VAE）在重构气象变量细节上的性能.为了进一步增强模型的预报能力，采用扩展性更好的Diffusion Transformer (DiT)作为噪声预测网络，并采用预训练微调策略优化预报模型.利用发展的预报模型对2023年西北太平洋的九个台风进行了6,12,18和24 h的预报测试，预报结果表明改进后的LDM在台风路径和强度预报能力上有显著性提升.另外，集成方法可进一步增强预报模型的稳定性和准确性，在路径预报上表现尤其明显.这些结果为未来发展基于数据驱动的台风智能预报模型提供了新的思路和方法 .

关键词

台风 / 深度学习 / 扩散模型 / 预报