南海台风客观预报的流形学习数据挖掘和Boosting集成预报方法

针对台风客观预报方法，面对大量气候持续因子和物理量预报因子，缺乏非线性数据挖掘预报建模方法，以及影响非线性神经网络集成预报模型预报精度的关键问题。以南海台风客观预报为研究对象，通过采用非线性变换的模糊核聚类算法改进Boosting集成预报个体的差异度，提出一种新的非线性客观集成预报建模方法。.在预报建模的模型输入上，采用流形学习（Manifld Learning）的全局等度规映射（ISOMap）、非线性核主成分与熵度量重要性计算、条件数计算相结合的方法。通过非线性映射，将高维预报因子数据集投影到一个低维特征空间，从中发掘隐藏于高维数据集中包含了全部因子主要预报信息的低维结构的少数几个重要特征变量，提出适用于客观预报建模的非线性数据挖掘技术方法。创建一种从数学建模方法到模型输入构造上，以非线性流形学习和智能计算数据挖掘新技术理论方法为基础的新的南海台风非线性客观预报建模理论方法和预报模型。

项目按原计划完成和超额完成的研究内容如下：.（1）研究期间共完成研究论文33篇（计划任务10-15篇），其中已发表27篇，在已公开发表的27篇论文中，3篇论文被SCI收录，15篇论文被EI收录，其余9篇为国家自然科学核心期刊；录用待发表2篇，其中1篇在SCI收录国际期刊定稿待刊，1篇在《气象》杂志定稿待刊；送审4篇，其中1篇在SCI收录国际期刊一审修回。 .（2）合作培养博士研究生2名、硕士研究生1名。项目组两名主要成员围绕本项目内容开展研究工作由副教授晋升为教授；项目组3名年轻成员围绕本项目内容开展研究工作，由助理工程师晋升为工程师。.（3）成果的主要创新和特色：① 在模型输入方面，针对影响台风强度变化的前期气候持续因子较多以及预报因子的非线性变化特点，在研究不同的模型输入对预报模型预报性能的影响问题时，尝试采用等距映射的特征提取、自然正交展开的特征提取、局部线性嵌入的特征提取与逐步回归计算相结合的预报因子数据挖掘技术，构建非线性神经网络客观集合预报模型输入计算方法。② 在国内外大气学科中，仿照数值天气预报的集合预报思想，首次尝试建立了基于最大方差组合的选择性神经网络集合预报方法、基于核偏最小二乘回归的径向基-神经网络集合预报方法以及基于自然正交展开与组合权重相结合非线性小波神经网络方法。另外还进一步对粒子群-神经网络集合预报模型和遗传-神经网络集合预报模型进行改进，明显改进了集合预报模型的预报效果，具有较好的实用性和推广价值。③ 项目研究建立的两种新的台风路径、强度客观预报方法在2011年和2012年的实际全国台风客观业务预报中，预报精度名列前茅，特别是南海台风的强度预报在参加全国台风预报广播的国内外11种数值预报模式、统计-动力、统计客观预报工具中的预报精度连续2年保持最高。.（4）其他探索研究：① 在大气学科中，尝试开展了粒子群、遗传算法、模拟退火算法等多种算法相结合的混合优化算法应用研究；② 针对模糊聚类结果易受初值影响的问题，提出了“两阶段”FCM（模糊C均值）的算法；③ 开展了非线性智能计算技术方法在风场、台风灾害风险等方面的推广应用研究以及影响广西的中尺度强降水天气过程分析研究。