HurriCast:用于飓风预报的合成热带气旋路径生成
机器学习
2025-05-22 v2 人工智能
大气与海洋物理
摘要
生成合成热带气旋(TC)路径以进行风险评估,是应对气候变化影响与灾害救援(尤其在北美)的一项关键预备应用。保险公司利用这些合成路径估算未来 TC 的潜在风险与财务影响。对政府和政策制定者而言,理解 TC 的潜在影响有助于制定有效的应急响应策略、更新建筑规范,以及优先投资韧性与减缓项目。本研究中,基于历史 TC 数据 HURDAT2(第二代飓风数据)创建了许多假设但合理的 TC 情景。采用结合 ARIMA 与 K-MEANS 方法及自动编码器的混合方法,以更好地捕捉历史 TC 行为并预测未来轨迹与强度。其在气候建模与风险评估领域展现出高效与可靠。通过有效捕捉过往飓风模式并提供详尽未来预测,该方法不仅验证了自身可靠性,还为从灾害预备与应急管理到保险风险分析与政策制定的广泛应用提供了关键洞见。
引用
@article{arxiv.2309.07174,
title = {HurriCast: Synthetic Tropical Cyclone Track Generation for Hurricane Forecasting},
author = {Shouwei Gao and Meiyan Gao and Yuepeng Li and Wenqian Dong},
journal= {arXiv preprint arXiv:2309.07174},
year = {2025}
}
备注
Accepted by AAAI 2025 Spring Symposium