Tropiska cykloner (TC) är ödmjuka och kraftfulla naturkrafter som kan ha enorma effekter på människor och människor. Meteorologer har strävat efter att förbättra TC -prognosförmågan, hoppas kunna rädda liv. Under de senaste decennierna har TC -spårprognoser över västra norra Stilla havet (WNP) har utvecklats avsevärt. Dock, TC -intensitetsprognoser har förbättrats oväsentligt, med endast en 3-5 dagars ledtid. Därför, förbättring av TC -intensitetsprognosförmåga och förlängning av leadprognostid är viktiga och brådskande frågor.

För att hantera detta kritiska problem, en forskargrupp som leds av prof. Ruifen Zhan från Institutionen för atmosfäriska och havsvetenskap/Institute of Atmospheric Sciences vid Fudan University, tillsammans med Shanghai Typhoon Institute of China Meteorological Administration, har utvecklat en ny prognosmetod som ger mer exakta TC -intensitetsprognoser. Teamet publicerade just sina fynd i Framsteg inom atmosfäriska vetenskaper .

"Det nya systemet visar också potentialen för att förutsäga TC -intensifiering och snabb försvagning, och för att förlänga den nuvarande 5-dagars prognosperioden till 7 dagar, "sade professor Zhan.

Utvecklare baserade det nya tillvägagångssättet på den logistiska tillväxtekvationen. De kombinerade stegvis regression (SWR), som i huvudsak är en "trial-and-error" -metod för variabel testning, och maskininlärning (LightGBM) -metoder med hjälp av observerade och omanalysdata. Resultaten visar att det nya systemet ger mycket mindre signifikant TC -intensitetsprognosfel än Kinas meteorologiska administrations officiella intensitetsprognos, särskilt för TC som har påverkat kustregioner i Östasien. Forskare jämförde också nya LightGBM-baserade data med resultat som erhållits med hjälp av den SWR-baserade metoden. Det LightGBM-baserade schemat överträffade konsekvent konventionella SWR-baserade processer.

"Framtida arbete kan behövas för att övervinna problemet med otillräckliga prover genom att kombinera metoder för överföringsinlärning baserat på denna forskning, vilket är nyckeln till om det nya systemet kan användas i operativa prognoser. "tillade professor Zhiwei Wu, medförfattare till studien.