一种基于几何代数机器学习模型的台风强度预测方法

本发明公开了一种基于几何代数机器学习模型的台风强度预测方法，对原始台风数据进行预处理和特征提取，得到二维和三维特征数据集，并确定训练数据集、测试数据集和验证数据集；构建Clifford‑CNN模型，模型训练后，通过验证数据集由最小验证损失函数确定最优模型参数；向最优模型输入测试数据集，评估台风强度预测方法的性能。本发明将传统卷积神经网络中的标量操作扩展为多向量操作，卷积操作中几何乘积替代标量乘积，结合空间注意力机制，增强对台风强度的预测，构建CliffordWide andDeep模型模块，充分利用线性和非线性特征之间的关系，提高模型的泛化能力；与传统预报方法相比，本发明提高了约9％的预测精度，在保持预测性能的同时，大幅减少了模型参数的数量。