摘要：臺風(fēng)是最嚴(yán)重的自然災(zāi)害之一,做好臺風(fēng)等級分類預(yù)測是防災(zāi)減災(zāi)的關(guān)鍵。針對現(xiàn)有衛(wèi)星云圖特征提取復(fù)雜、識別率低等問題,基于卷積神經(jīng)網(wǎng)絡(luò)框架,以北太平洋1978-2016年近1 000多個臺風(fēng)過程的衛(wèi)星云圖作為樣本,提出改進深度學(xué)習(xí)模型Typhoon-CNNs。該框架采用循環(huán)卷積策略增強模型表征力,使用十折交叉驗證引入信息熵、Dropout置零率以優(yōu)化模型靈敏度及防止過擬合。通過800樣本測試集對模型Typhoon-CNNs進行驗證,實驗結(jié)果表明,本文算法的分類精度達到92.5%,臺風(fēng)和超強臺風(fēng)2個等級的預(yù)測正確率達到99%,優(yōu)于傳統(tǒng)分類方法。最后對模型提取的特征圖進一步分析,模型能夠準(zhǔn)確識別臺風(fēng)眼和螺旋云帶,從而證明Typhoon-CNNs對臺風(fēng)等級分類的可行性。