一种台风MPI多因素协同计算评估方法、介质及程序产品

1.一种台风MPI多因素协同计算评估方法，其特征在于，所述方法包括如下步骤：SS1. 采集台风生成区域及其周边的包括海气动力热力场及台风内核结构数据在内的多源数据，对所采集多源数据进行质量控制和标准化处理，并通过数据融合技术整合预处理后的多源数据，生成多源数据融合特征矩阵；SS2. 计算台风能量增长率EGR及其随时间变化的特征，确定其由正值变为零的时刻 t mpi 及对应的强度 V mpi ；统计台风眼墙区域内强对流网格点数量随时间变化的特征，确定对流爆发达到峰值的时刻 t CBs ；计算台风眼墙区域内温度与环境温度的差异，量化暖心强度及其随时间变化的特征，确定暖心强度达到峰值的时刻 t WC ；SS3. 基于提取的多因素关键特征，并根据台风能量增长-对流爆发-暖心结构-最大强度的耦合关系，建立台风MPI物理计算模型：其中， MPI phy 、 t phy 分别为基于物理计算模型获得的台风MPI及其出现时间， 为台风快速增强阶段的平均增强速率， Δt 为 t mpi 相对于 t phy 的时间延迟；SS4. 构建并训练台风MPI多因素协同评估的机器学习模型，模型输入层用于接收多源数据融合特征矩阵，隐藏层采用多个卷积层和池化层提取至少包括EGR、对流爆发和暖心结构的多尺度时空演变特征并使用全连接层进行特征融合，同时引入注意力机制以至少捕捉EGR由正转负、对流爆发达到峰值以及暖心强度最大的关键时刻特征，输出层用以评估台风MPI及其出现时间，并以步骤SS3中台风MPI的物理计算结果作为训练数据标签，且采用包含物理约束项的损失函数进行模型训练和参数优化；SS5. 基于台风MPI多因素协同评估的机器学习模型，输入台风相关实时多源观测数据以获得台风MPI及其出现时间的初始评估结果，并结合物理计算结果通过加权融合策略对初始评估结果进行校正与优化，同时对校正优化后的结果进行不确定性分析和误差评估，最终输出包含计算评估值、置信区间和物理一致性评估的完整结果。 2.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS1中，台风生成区域及其周边的海气动力热力场及台风内核结构数据，包括海温环境参数、大气环境参数、风场数据和对流系统参数，其中：所述海温环境参数至少包括海表面温度、海洋热容量、海温垂直廓线、海洋混合层深度以及海表焓通量；所述大气环境参数至少包括大气温度场、湿度场、气压场以及大气稳定性参数；所述风场数据至少包括接近表面的风速、最大风速半径、径向风场、切向风场以及风速轴对称性参数；所述对流系统参数至少包括对流云顶亮温、对流云顶高度、对流垂直速度、对流爆发面积以及暖心结构参数。 3.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS1中，对所采集的多源数据进行的质量控制至少包括异常值剔除、数据插值与时空对齐处理，所述标准化处理包括对不同物理量进行无量纲化处理，采用最小-最大标准化方法将数据映射到[0,1]区间，并使用Z-score标准化方法消除量纲影响；所述数据融合技术采用主成分分析、时空变分同化、Kalman滤波和/或深度嵌套插值算法，将预处理后的多源数据整合为统一的多源数据融合特征矩阵。 4.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS2中，计算台风能量增长率EGR的方法为：首先基于热力学和动力学理论计算台风能量产生率PE和台风能量耗散率DE，之后基于二者的差值计算台风能量增长率EGR：其中， r 为距台风中心的径向距离， r 0 为台风外围环流边界半径， r m 为台风最大风速半径； ε 为卡诺热机效率且 ， T s 为海表面温度， T 0 为流出层温度； ρ 为近表面空气密度， 为近表面风速； 为海表面饱和焓， 为近表面大气焓； C k 为表面焓交换系数， C D 为拖曳系数。 5.根据权利要求4所述的台风MPI多因素协同计算评估方法，其特征在于， C k 的取值随10米高度风速 V 10 的变化而动态调整，当 V 10 ≤10m/s时， C k 取值为0.001，当 V 10 ≥70m/s时， C k 取值为0.003，当10m/s＜ V 10 ＜70m/s时， C k 的取值随风速增加而增加； C D 的取值采用分段函数，当 V 10 ＜30m/s时， C D 的取值随风速线性增加至0.002，当 V 10 ≥30m/s时， C D 保持恒定值0.002；EGR计算时， r 0 取值为300-500km， r m 基于风场数据确定，通过实时更新EGR计算结果以反映台风强度变化的动态特征。 6.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS2中，统计台风眼墙区域强对流网格点数量的方法为：在台风眼墙区域内2-11km高度层识别、追踪并统计平均垂直速度大于1m/s的网格点数量，建立强对流网格点数量随时间的演变序列，采用小波分析方法提取序列的周期性特征，结合极大值检测算法确定对流爆发达到峰值的时刻 t CBs ，同时计算强对流区域的空间分布特征，并根据对流爆发的时间及空间分布特征，动态监测对流爆发对台风强度增强的贡献。 7.根据权利要求6所述的台风MPI多因素协同计算评估方法，其特征在于，对流爆发的识别判定需同时满足对流云顶亮温小于-70℃、对流持续时间大于3小时及对流区域面积大于100km 2 ，并通过算法公式 来量化对流爆发的强度，其中CBI为对流爆发指数， n 为对流爆发总数， i 为整数且 i =1,2,…, n ， w i 为第 i 个对流爆发的权重系数， ΔT i 为第 i 个对流爆发的对流云顶亮温异常， A i 为第 i 个对流爆发的对流区域面积， Δt i 为第 i 个对流爆发的对流持续时间。 8.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS2中，计算台风眼墙内温度与环境温度差异的方法为：确定台风眼墙区域的空间范围，计算1-18km高度各层次的平均温度廓线；以距离台风中心500km以外的区域作为环境场，计算环境温度的平均廓线；计算两个温度廓线的差值，获得暖心强度的垂直分布、水平分布以及时间演变特征，通过时间序列分析确定暖心强度达到峰值的时刻 t WC ，同时分析暖心增强对台风快速增强的滞后响应关系。 9.根据权利要求8所述的台风MPI多因素协同计算评估方法，其特征在于，暖心强度的计算还包括计算暖心指数 来量化暖心强度特征， z 为高度， z 1 =1km， z 2 =18km， ΔT ( z )为1-18km高度范围内台风眼墙区域温度与外围环境温度的差值，并基于暖心演化指数 监测暖心强度随时间的动态变化，其中 t 为时间。 10.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS3中，台风快速增强阶段的平均增强速率 根据台风强度变化的时间序列数据进行计算：通过台风生命周期内的风速变化时间序列数据，识别风速变化率大于5.5m/s/6h的时间段作为快速增强阶段；采用分段线性拟合方法提取强度变化的趋势特征，计算各时间段内的平均增强速率 V 0 ；结合海表温度及垂直风切变环境条件，对平均增强速率进行修正，得到最终平均增强速率 ，其中 α 、 β 为根据历史数据拟合的修正系数， SST 为海表温度， VWS 为垂直风切变强度。 11.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS4中，所述机器学习模型采用卷积神经网络模型，模型输入层采用3×3卷积核提取局部特征，中间包含4个卷积块，每个卷积块由两个卷积层和一个最大池化层组成，卷积层的通道数依次为32、64、128、256，池化层的步长为2；全连接层包含1024个神经元，采用ReLU激活函数和Dropout正则化；注意力机制采用自注意力结构，计算不同时间步特征的相关性权重。 12.根据权利要求11所述的台风MPI多因素协同计算评估方法，其特征在于，所述机器学习模型的输入特征还包括反映台风外部环境场的垂直风切变分布、大气湿度梯度和/或对流有效位能及其时空演变特征，并通过卷积神经网络的多层卷积提取环境场特征的时空关联信息，同时结合时间序列模型捕捉台风内部结构特征的动态变化，以增强机器学习模型对台风MPI评估的物理一致性和泛化能力。 13.根据权利要求12所述的台风MPI多因素协同计算评估方法，其特征在于，所述机器学习模型的训练过程中引入基于物理约束的多任务学习机制，其中主任务用于评估台风MPI及其出现时间，辅助任务用于评估能量增长率EGR、对流爆发峰值强度及暖心强度的演变趋势，通过共享隐藏层的权重强化模型对多因素协同关系的学习能力，并通过包含物理约束项的损失函数，确保评估结果的物理合理性和动态稳定性。 14.根据权利要求13所述的台风MPI多因素协同计算评估方法，其特征在于，所述包含物理约束项的损失函数的算法公式为 ，其中： L 为损失函数， w m 、 w p 、 w r 分别为权重系数并通过交叉验证确定最优值； L mse 为均方误差约束项，用于衡量评估值与真实值的差异； L phy 为物理约束项，用于确保评估结果满足能量守恒和台风动力学方程； L reg 为正则化约束项，用于防止模型过拟合。 15.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS5中，采用集成学习方法将机器学习模型的评估结果与物理计算结果进行加权融合，加权融合的算法公式为 、 ，其中 t f 为融合后MPI出现时间的计算评估值， t phy 、 t ml 分别为物理计算和机器学习模型获得的MPI出现时间值；MPI f 为融合后的最大可能强度的计算评估值，MPI phy 、MPI ml 分别为物理计算和机器学习模型获得的最大可能强度值； w ml 和 w phy 分别为权重系数且 w ml + w phy =1，二者的取值通过训练数据中的误差最小化方法来确定。 16.根据权利要求1所述的台风MPI多因素协同计算评估方法，其特征在于，步骤SS5中，对校正优化后的台风MPI结果进行误差评估时，通过与历史台风MPI观测数据的对比验证、基于空间分布的偏差分析和/或时间序列一致性检测方法，评估结果的偏差及不确定性，并构建机器学习与物理计算融合的后处理模块，以确保评估结果能够满足实际应用场景下对台风强度评估精度的需求。 17.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令用于执行权利要求1~16任一项所述的台风MPI多因素协同计算评估方法。 18.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1~16任一项所述的台风MPI多因素协同计算评估方法。