寇凯淇 杜思静 王梦巧 刘欣宇 仲万桐 乔百友

（东北大学计算机科学与工程学院 辽宁·沈阳 110819）

0 引言

在全球气候变暖的背景下，各类极端自然灾害频发。台风作为气象灾害中最具破坏性的天气现象之一，严重制约着沿海地区的经济发展和人类社会的生命财产安全。准确预测台风的移动路径对于有效降低台风灾害带来的损失至关重要。传统的台风预测方法主要采用数值计算方法，计算代价大，预测耗时比较长，而且需要人工不断地矫正，因此需要积极探索新的台风路径预测方法。

近年来，随着大数据和人工智能技术的发展，人们开始积极探索基于数据驱动的方法来预测，期望能够更加准确高效地预测台风移动路径。为此提出了一系列的预测方法，如基于BP神经网络预测方法，基于卷积神经网络的集合预报方法等。由于神经网络在预测问题中仅需要较少的人工干预，已经广泛用于各个研究领域当中。因此，相比于以往利用动力学参数和统计学方法等需要大量人工测算的台风路径预测方法相比，可有更加快速地拟合真实的台风路径。

时间卷积神经网络模型(Temporal Convolution Networks,TCN)在时间序列问题的处理上要优于一般的卷积神经网络方法。台风本身是一种时序过程，台风路径的预测本身就是一种复杂的时间序列预测问题，非常适合TCN模型，为此本文提出了一种基于 TCN的台风路径预测方法。该方法首先整合海洋、大气数据和历史台风路径数据建立可用于训练的特征集，之后将其输入到TCN模型中进行训练，从而建立数据与路径经纬度间的序列映射关系，最终实现台风移动路径预测。……