当前位置：新闻动态 2024 “非线性动力统计与人工智能相结合的台风强度预报技术”获得中国气象局颁发的天气预报科技成果业务转化认证证书

“非线性动力统计与人工智能相结合的台风强度预报技术”获得中国气象局颁发的天气预报科技成果业务转化认证证书

2024年12月

近日，中国科学院深圳先进技术研究院李晴岚团队研究成果“非线性动力统计与人工智能相结合的台风强度预报技术”获得中国气象局颁发的天气预报科技成果业务转化认证证书。这一重要成果在国家气象中心中国气象局天气预报科技成果中试基地经过2年的测试评估，结合业务需求进行改进完善。测试期间系统运行稳定，输出产品符合业务需求，通过了中国气象局组织的成果转化认证专家评审。

天气预报科技成果业务转化认证证书

台风带来的强风、暴雨、风暴潮等自然灾害，对沿海地区人民生命安全和财产造成严重威胁。台风强度是决定台风潜在破坏力的最关键因素，因此台风强度的准确预报至关重要，是气象领域面临的重要挑战。尽管近年来台风强度预报技术取得了较大进展，但整体预测能力与实际需求之间仍存在一定差距。传统的台风强度预报主要依赖数值模式和统计经验模型，数值模式因为物理参数化方案不能精准描述台风强度演变过程，而统计经验模型则是基于多元线性回归模型预测未来的强度变化，不能准确反演台风强度变化各因素之间的非线性关系。

随着人工智能和大数据技术的快速发展，气象领域积累了大量历史观测数据和数值模式预报数据，这为人工智能技术的应用提供了良好的基础。李晴岚团队新开发的台风强度预报技术利用机器学习算法，结合非线性动力统计方法，数值模式的环境背景预报输出，能够有效提高台风强度预报的准确性。

非线性动力统计与人工智能相结合的台风强度预报技术在西北太平洋台风强度预报中，相比数值模式预报结果具有明显优势：根据2023年西北太平洋地区台风强度预报效果评估，该技术比欧洲中心数值模式预报结果（EC）0-72小时和0-120小时预报平均绝对误差MAE分别降低了44%和40%；比中央台GFS数值模式预报结果（CMA-GFS）0-72小时和0-120小时预报平均绝对误差MAE分别降低了49.7%和49.6%；相比于上海台风所气候持续法（STI-TCSP）的预报误差，该技术24、48和72小时的预报效果分别提升了26.3%、31.1%和34.4%；根据2024年西北太平洋台风强度预报效果评估，该技术比EC模式0-72小时和0-120小时预报平均绝对误差MAE分别降低了30%和25.5%; 比中央台CMA-GFS 模式0-72小时和0-120小时预报平均绝对误差MAE分别降低了26.6%和24.5%。

非线性动力统计与人工智能相结合的台风强度预报技术预报误差评估

本研究成果第一完成人是中国科学院深圳先进技术研究院研究员李晴岚，项目组成员还有先进院学生张佳丽，朱港亚，国家气象中心吕心艳、周冠博、钱奇峰、聂高臻。该工作获得了国家自然科学基金42475001项目的支持。