声明
第一章绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 深度学习技术的发展现状
1.2.2 台风轨迹预测对的发展现状
1.3 本文的研究内容和结构安排
1.4 论文结构安排
第二章理论基础及相关技术
2.1 RNN 模型及其演化
2.1.1 RNN 模型
2.1.2 LSTM 模型
2.1.3 Seq2seq 模型
2.2 GAN 模型及其演化
2.2.1 基础 GAN 模型
2.2.2 DCGAN 模型
2.3 Pytorch框架
2.4 本章小结
第三章基于序列数据的台风轨迹预测
3.1 数据预处理
3.1.1 轨迹数据滤波
3.1.2 轨迹数据简化
3.2 方案设计
3.2.1 台风轨迹数据分析
3.2.2 激活函数和优化策略
3.2.3 模型结构设计
3.3 实验结果
3.3.1 台风轨迹清洗
3.3.2 台风轨迹预测
3.4 本章小结
第四章基于图像数据的台风轨迹预测
4.1 数据预处理
4.1.1 图像格式转化
4.1.2 图像数据裁剪
4.2 方案设计
4.2.1 全卷积网络
4.2.2 模型架构设计
4.2.3 多模型融合
4.3 实验结果
4.3.1 台风轨迹预测
4.3.2 多模型融合
4.4 本章小结
第五章总结与展望
5.1 全文总结
5.2 后续工作展望
致 谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;