2025年7月1日，我院计算机视觉团队的一项研究成果：“Benchmark Dataset and Deep Learning Method for Global Tropical Cyclone Forecasting”在《Nature Communications》上正式发表。上述成果为AI for Science领域的面向台风路径强度预报方向的最新研究进展。我院为第一完成单位及唯一通讯单位，我院博士生黄诚和青年教师穆攀博士为论文的共同第一作者；团队负责人白琮教授为论文的唯一通讯作者。据悉，这是我院首个以浙江工业大学为第一单位及唯一通讯单位发表在Nature Communications上的工作。

该工作创新性地提出了一种基于环境感知的“多生成器多趋势”台风路径与强度预测模型。该模型能够深度挖掘多种异构气象数据中的有效台风信息，更为完整地建模台风演化过程，显著提升了路径与强度预测的精准度。

尤为值得一提的是，该研究同步构建并发布了全球首个面向台风路径与强度预测的多模态数据集，时间跨度70年，台风样本量达到3630个。这项工作不仅填补了该领域高质量数据集的空白，更通过协同优化数据集质量与模型设计，有效打通了台风预测领域与人工智能领域之间的技术壁垒，将有力吸引并促进更多跨学科研究者的参与合作。

图 1 多种环境因素影响下的台风演化示意图

图 2 模型预测结果示意图

Nature Communications 是自然科学领域的综合性学术期刊。由国际著名出版集团施普林格·自然出版集团（Springer Nature）于2010年创办，旨在推动自然科学各学科的前沿研究成果传播与共享，促进不同领域间的交流与融合。Nature Communications 涵盖的研究方向包括生命科学、物理科学、化学、地球与环境科学、工程技术与人工智能等多个方向，在学术界和产业界均具有广泛影响。 2024年发布的最新影响因子为 15.7，在综合性学术期刊中排名领先，具有重要的国际学术影响力。

论文信息：

题目: Benchmark dataset and deep learning method for global tropical cyclone forecasting

作者： Cheng Huang*, Pan Mu*, Jinglin Zhang, Sixian Chan, Shiqi Zhang, Hanting Yan, Shengyong Chen & Cong Bai?

论文地址：https://doi.org/10.1038/s41467-025-61087-4

数据集和算法：https://github.com/Zjut-MultimediaPlus/Benchmark-Dataset-and-Deep-Learning-Method-for-Global-Tropical-Cyclone-Forecasting