tropical cyclone

深度学习模型改进热带气旋风力数据的缺失值插补

研究人员开发了包括一维卷积神经网络 (1DCNN) 和长短期记忆网络 (LSTM) 在内的深度学习模型，用于插补热带气旋最佳路径数据中缺失的最大风速半径 (Rmax) 值。研究发现，纳入 34 节风速半径 (R34) 可显著提高模型性能。尽管样本量较少，但时间模型能更好地保留 Rmax 的变异性，尤其是在 R34 不可用时，这表明时间信息可以部分弥补风暴大小预测因子的缺失。迁移学习未能带来改进，这可能是由于合成数据集和观测数据集之间的分布差异。