本文重点研究厄尔尼诺现象条件下的台风风险评估和预警系统设计。考虑到厄尔尼诺现象对台风活动的显著影响以及传统评估和预警方法所面临的挑战，本文借助机器学习（ML）技术进行了深入研究。通过收集与厄尔尼诺有关的数据、台风数据和辅助数据，经过数据预处理，从气象、地理和社会经济层面确定了评估指标体系。本文选择神经网络等ML算法构建风险评估模型，并设计并实现了一个包含数据层、模型层和应用层的台风风险预警系统。实验结果表明，该模型的预测准确率较高。以混淆矩阵为例，高风险等级预测的正确率为79%。预警的准确性随着预警时间的增加而增加，提前60小时的预警准确率可达到90%。实际应用案例表明，该系统可以有效控制伤亡人数和经济损失。例如，在2020年滨海市的台风“宗达里”案例中，重伤人数减少了约87.5%，经济损失减少了约80%，充分验证了该系统的有效性。
杨等（孙）研究了这个问题。