台风是一种极端天气事件,每年夏季会对沿海地区城市经济造成重大损失,预测台风的形成和强度对台风灾害的预警至关重要。传统的基于热动力方程的数值预报方法和基于经验关系的统计预报方法现如今仍难以准确地预测台风强度。此外,一些研究虽然也尝试用机器学习方法进行预测来提高准确率,但通常没有考虑台风相关变量之间的时空关系。本文提出了一种基于深度学习的台风时空深度混合预测模型,可以弥补现有方法的不足之处。本文模型引入了三维卷积神经网络(3DCNN)和二维卷积神经网络(2DCNN)来学习台风相关大气海洋变量之间的空间关系,利用LSTM来学习台风变化过程中的时序关系。针对西太平洋(WP)、东太平洋(EP)、北大西洋(NA)三个海域的大量台风形成与强度预测实验表明,本文模型优于现有官方组织使用的诸多数值预报方法、统计预报方法和机器学习方法。台风24h形成预测实验中,本文模型能达到的最高准确率为85.2%,Auc值(ROC曲线下的面积)为92.2%,24h强度预测实验中,最小误差为7.4kt(1kt=0.512m/s)。并且在参数分析时发现,模型训练时的超参数如学习速率最好设置为10-4的量级,并在25～35个epoch后停止模型的训练。构造输入数据集时,台风中心周围经纬度区域范围最好确定在9°× 9°～13°× 13°内,且LSTM时间步确定为2时能获得最好的预测效果。