台风登陆后常伴随强风、暴雨等恶劣天气条件,给沿海地区居民带来了严重的生命威胁和财产损失,我国位于台风比较活跃的太平洋西岸且具有绵长的海岸线,长期以来受到台风灾害影响,因此在台风形成后预测台风路径信息至关重要,这关系到受灾地区人民的转移与防灾抗灾。近年来人工神经网络技术已广泛应用到各个领域如天气数据预报等,相比传统的动力数值预报技术和统计学预报技术,人工神经网络技术具有较强的非线性拟合能力和较强的鲁棒性等特点。本文考虑到台风路径数据的序列性,将循环神经网络应用到台风路径预报中,并提出了改良的循环神经网络结构。本文首先讨论了序列数据相似度的计算问题。通过分析欧式距离、余弦距离和动态规整距离的各自特点和使用范围,最终选择动态规整距离度量时间序列之间的距离,定义了一种新的相似度函数,该相似度可以有效的筛选出与目标台风具有相似运动特征的台风,这样可以让目标台风获得更好的训练集,从而提高预测精度。接着本文讨论了普通循环神经网络及其两种变体长短时记忆网络和门控单元网络预测模型,逐一分析了每一种结构的特点和优势。选取热带气旋最佳路径数据集收集的1949-2018年间发生的台风作为实验数据,利用每6小时台风的经纬度信息,分别用普通循环神经网络、长短时记忆网络和门控单元网络预测台风未来6小时位置信息。实验表明对于波动性较小的台风如路径近似直线型,三种模型预测效果相近,对于波动性比较大的台风如路径近似曲线型,普通循环神经网络预测结果较差,综合考虑模型复杂度和预测效果,门控单元模型最优。最后本文提出了改良的循环神经网络,该网络结构模型复杂度更低且具有良好的预测效果。