CN116108338A - 一种针对粒子相态的动态集合识别方法和装置 - Google Patents
一种针对粒子相态的动态集合识别方法和装置 Download PDFInfo
- Publication number
- CN116108338A CN116108338A CN202310389454.1A CN202310389454A CN116108338A CN 116108338 A CN116108338 A CN 116108338A CN 202310389454 A CN202310389454 A CN 202310389454A CN 116108338 A CN116108338 A CN 116108338A
- Authority
- CN
- China
- Prior art keywords
- phase state
- data
- meteorological data
- radar
- particle phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种针对粒子相态的动态集合识别方法和装置,涉及气象数据处理的技术领域,包括:获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;基于梯形隶属函数,构建初始相态识别方程组;基于历史气象数据,对初始相态识别方程组进行修正,得到局地相态识别方程组;在获取到待识别区域的当前气象数据之后,利用局地相态识别方程组和当前气象数据,确定出待识别区域的当前粒子相态识别结果,解决了现有的粒子相态识别方法局地性较强且识别准确率较低的技术问题。
Description
技术领域
本发明涉及气象数据处理的技术领域,尤其是涉及一种针对粒子相态的动态集合识别方法和装置。
背景技术
精确识别水合物粒子相态及其三维分布对于分析云中微物理过程、提高降水量测量精度和探究灾害性天气的演变规律具有十分重要的意义。双偏振雷达识别降水粒子相态的能力是基于降水粒子对电磁波的散射理论。空气中不同相态水成物粒子由于其形状、大小、密度和在空间的取向不同,而对不同偏振波的散射和退偏振效应都不同。
早期的相态识别研究发现影响相态识别准确率的关键因素是如何将偏振参量上互有重叠的各类相态准确的区分,为此提出使用了使用模糊逻辑的方法。该方法简单、直观并且易于改进,在随后的研究中基于模糊逻辑的双偏振相态识别方法被不断完善。模糊逻辑相态识别算法(HCA)仍存在局限性,一是降水事件受区域变化影响很大,雷达观测也属于小尺度观测,基于雷达数据的相态识别方法具有显著的局地特征;二是很难确定识别结果是否正确,隶属函数是否为最优解,方法的准确性仍待提高;三是粒子相态识别结果的时空分布是否符合云物理规律,这是方法的可靠性问题。而后在模糊逻辑的基础上,使用神经网络自动学习和调整模糊逻辑计算的参量区间,以降低测量误差的影响。但神经网络训练的“真值”很难获取,并需要一定数量的训练集,限制了该方法的推广应用。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种针对粒子相态的动态集合识别方法和装置,以缓解了现有的粒子相态识别方法局地性较强且识别准确率较低的技术问题。
第一方面,本发明实施例提供了一种针对粒子相态的动态集合识别方法,包括:获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;基于梯形隶属函数,构建初始相态识别方程组;基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果。
进一步地,所述初始相态识别方程组中包含多个初始相态识别方程,一个初始相态识别方程对应一种粒子相态类型 ;所述初始相态识别方程为,其中,,为雷达偏振量对第j类粒子相态的权重系数,为雷达偏振量对第j类粒子相态的模糊基,a为所述梯形隶属函数的宽度,b为所述梯形隶属函数的坡度,m为变量的中值。
进一步地,基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组,包括:对所述历史气象数据进行预处理,得到目标历史气象数据;基于所述目标历史气象数据,确定出所述待识别区域的历史降水过程中每次降水过程对应的粒子相态类型;基于所述历史气象数据和所述待识别区域的历史降水过程中每次降水过程对应的粒子相态类型,计算出所述待识别区域的历史降水过程中各种粒子相态类型对应的每次降水过程的雷达偏振量的平均值,其中,雷达偏振量包括:水平反射率因子,差分反射率因子,差分传播相移率因子和相关系数;基于所述雷达偏振量的平均值,对所述初始相态识别方程组进行修正,得到所述局地相态识别方程组。
进一步地,对所述历史气象数据进行预处理,得到目标历史气象数据,包括:对历史雷达基数据依次进行解析处理、质控处理、投影处理和三位组网处理,得到目标历史雷达基数据;对历史地面气象站的逐小时温度数据进行插值处理,得到目标历史地面气象站的逐小时温度数据。
进一步地,在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果,包括:对所述当前气象数据进行所述预处理,得到目标当前气象数据,其中,所述目标当前气象数据包括:目标当前雷达基数据和目标当前地面气象站的逐小时温度数据;基于所述目标当前雷达基数据和所述局地相态识别方程组,确定出所述待识别区域的初始粒子相态识别结果;基于所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果。
进一步地,基于所述目标当前雷达基数据和所述局地相态识别方程组,确定出所述待识别区域的初始粒子相态识别结果,包括:利用所述目标当前雷达基数据和所述局地相态识别方程组,计算出所述目标当前雷达基数据的各类粒子相态对应的各个的雷达偏振量的模糊基;基于所述目标当前雷达基数据的各类粒子相态对应的各个的雷达偏振量的模糊基,计算出所述目标当前雷达基数据的各类粒子相态的模糊集;基于最大集成算法,确定出所述目标当前雷达基数据的各类粒子相态的模糊集中的最大模糊基,将所述最大模糊基对应的粒子相态确定为初始粒子相态识别结果。
进一步地,基于所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果 ,包括:基于粒子相态与地面气象站的逐小时温度数据和雷达偏振量之间的物理经验关系,确定温度阈值判据和雷达偏振量阈值判据;基于所述温度阈值判据和雷达偏振量阈值判据、所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果。
第二方面,本发明实施例还提供了一种针对粒子相态的动态集合识别装置,包括:获取单元,用于获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;构建单元,用于基于梯形隶属函数,构建初始相态识别方程组;修正单元,用于基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;识别单元,用于在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果。
第三方面,本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序。
在本发明实施例中,通过获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;基于梯形隶属函数,构建初始相态识别方程组;基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果,达到了能够利用双偏振雷达偏振量对大气中水合物粒子进行区分识别的目的,进而解决了双偏振识别粒子准确性低、可靠性低的技术问题,从而实现了提高相态识别算法准确率与可靠性的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种针对粒子相态的动态集合识别方法的流程图;
图2为本发明实施例提供的一种针对粒子相态的动态集合识别装置的示意图;
图3为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
根据本发明实施例,提供了一种针对粒子相态的动态集合识别方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种针对粒子相态的动态集合识别方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;
步骤S104,基于梯形隶属函数,构建初始相态识别方程组;
步骤S106,基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;
步骤S108,在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果。
在本发明实施例中,通过获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;基于梯形隶属函数,构建初始相态识别方程组;基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果,达到了能够利用双偏振雷达偏振量对大气中水合物粒子进行区分识别的目的,进而解决了双偏振识别粒子准确性低、可靠性低的技术问题,从而实现了提高相态识别算法准确率与可靠性的技术效果。
下面对步骤S104进行说明。
在本发明实施例中,首先,基于梯形隶属函数是每种粒子相态以特定成员度的方式转换为模糊基,一般依次对应1,2,3,……等整数数值,分别构建所述偏振量,包括反射率因子、差分反射率、差分传播相移率、相关系数,和模糊基之间的指数隶属函数关系,隶属函数为:
其中,为雷达偏振量,为粒子对应的模糊基,a是隶属函数的宽度,等于值为0.5时两个变量值之差除以2,b是隶属函数的坡度,m表示变量的中值。
具体的,在本发明实施例中,所述构建相态识别方程组是基于不同粒子对应的偏振量特征及其敏感性不同,按照特定规则将不同偏振量对粒子的模糊基进行组合,计算公式为:
其中,为雷达偏振量对第j类粒子的权重系数, j=1,2,…,10表示10种待识别粒子相态,(=1,2,…,4)分别表示输入的4个雷达偏振量水平反射率因子,差分反射率因子,差分传播相移率因子和相关系数的取值。
在本发明实施例中,步骤S106包括如下步骤:
对所述历史气象数据进行预处理,得到目标历史气象数据;
基于所述目标历史气象数据,确定出所述待识别区域的历史降水过程中每次降水过程对应的粒子相态类型;
基于所述历史气象数据和所述待识别区域的历史降水过程中每次降水过程对应的粒子相态类型,计算出所述待识别区域的历史降水过程中各种粒子相态类型对应的每次降水过程的雷达偏振量的平均值,其中,雷达偏振量包括:水平反射率因子,差分反射率因子,差分传播相移率因子和相关系数;
基于所述雷达偏振量的平均值,对所述初始相态识别方程组进行修正,得到所述局地相态识别方程组。
在本发明实施例中,首先,对历史气象数据进行预处理,对所述历史气象数据中的雷达数据按照雷达相应的体扫模式及参数进行数据解析;对解析后的雷达数据进行数据质量控制,包括非降水回波识别去除、X波段雷达衰减订正;基于直角坐标系,将雷达体扫数据转换为三维空间格点数据;对多部雷达进行组网融合,包括不同波段雷达,得到三维雷达组网数据(即,目标历史雷达基数据)。
对地面气象站的逐小时温度数据进行站点到网格点的插值,得到目标历史地面气象站的逐小时温度数据。
然后,基于目标历史气象数据,确定出待识别区域的历史降水过程中每次降水过程对应的粒子相态类型。
在确定出待识别区域的历史降水过程中每次降水过程对应的粒子相态类型之后,通过对比分析粒子相态对应的平均偏振量特征,是根据有探测记录到的相态类型反映在雷达偏振量有对应的特征分布,利用历史降水数据得到对应偏振量散点分布,与初始相态识别方程组进行对比分析,调整其中隶属参数,使所有粒子特征分布差异性尽量达到最大,从而得到局地相态识别方程组。
需要说明的是,粒子相态类型包括雨、雪、冰雹等,霰、冰晶等属于难以被探测且记录的粒子类型。
在本发明实施例中,步骤S108包括如下步骤:
对所述当前气象数据进行所述预处理,得到目标当前气象数据,其中,所述目标当前气象数据包括:目标当前雷达基数据和目标当前地面气象站的逐小时温度数据;
基于所述目标当前雷达基数据和所述局地相态识别方程组,确定出所述待识别区域的初始粒子相态识别结果;
基于所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果。
在本发明实施例中,在获取到待识别区域的当前气象数据之后,首先对当前气象数据进行预处理,得到目标当前气象数据,其中,目标当前气象数据包括:目标当前雷达基数据和目标当前地面气象站的逐小时温度数据。
然后利用模糊逻辑算法,基于合适的隶属函数,输入目标当前雷达基数据,计算得到每类粒子相态对应的四个雷达偏振量的模糊基,对其分别求和,得到每类粒子相态对应的模糊基。
接着,按照最大集成法确定最大的模糊基,并将其作为集成结果输出;将模糊基转换为具体识别结果,即将最大模糊基值对应的索引值 Index 作为水成物粒子的识别相态(即,初始粒子相态识别结果)。
最后,据温度对粒子相态的影响,对雨雪状态进行区分,温度>2.5℃,不考虑雪相关的相态;对雪与冰晶状态进行区分,温度>-5.5℃时不考虑冰晶这个粒子类型。
根据粒子相态的各向异性表现在雷达偏振量上的差异,对初步相态识别结果进行订正,具体的,包括当水平反射率因子≥20dbz,相关系数≥0.9时,生物杂波就不考虑;当水平反射率因子<40dbz的时候,大雨和冰雹基本不可能会出现。
本发明实施例从水合物粒子的各向异性出发,综合考虑影响降水形成的天气要素,建立了一种针对粒子相态的动态集合识别算法,通过气象上对降水的经验性认知,尽量降低了由于雷达观测系统偏差和随机误差造成的影响,并提高了识别结果的准确率和可靠性。
实施例二:
本发明实施例还提供了一种针对粒子相态的动态集合识别装置,该针对粒子相态的动态集合识别装置用于执行本发明实施例上述内容所提供的 方法,以下是本发明实施例提供的 针对粒子相态的动态集合识别装置的具体介绍。
如图2所示,图2为上述针对粒子相态的动态集合识别装置的示意图,该针对粒子相态的动态集合识别装置包括:
获取单元10,用于获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;
构建单元20,用于基于梯形隶属函数,构建初始相态识别方程组;
修正单元30,用于基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;
识别单元40,用于在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果。
在本发明实施例中,通过获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;基于梯形隶属函数,构建初始相态识别方程组;基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果,达到了能够利用双偏振雷达偏振量对大气中水合物粒子进行区分识别的目的,进而解决了双偏振识别粒子准确性低、可靠性低的技术问题,从而实现了提高相态识别算法准确率与可靠性的技术效果。
实施例三:
本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
参见图3,本发明实施例还提供一种电子设备100,包括:处理器50,存储器51,总线52和通信接口53,所述处理器50、通信接口53和存储器51通过总线52连接;处理器50用于执行存储器51中存储的可执行模块,例如计算机程序。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器51用于存储程序,所述处理器50在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中,或者由处理器50实现。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成上述方法的步骤。
实施例四:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种针对粒子相态的动态集合识别方法,其特征在于,包括:
获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;
基于梯形隶属函数,构建初始相态识别方程组;
基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;
在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果。
2.根据权利要求1所述的方法,其特征在于,
所述初始相态识别方程组中包含多个初始相态识别方程,一个初始相态识别方程对应一种粒子相态类型 ;
所述初始相态识别方程为,其中,,为雷达偏振量对第j类粒子相态的权重系数,为雷达偏振量对第j类粒子相态的模糊基,a为所述梯形隶属函数的宽度,b为所述梯形隶属函数的坡度,m为变量的中值。
3.根据权利要求2所述的方法,其特征在于, 基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组,包括:
对所述历史气象数据进行预处理,得到目标历史气象数据;
基于所述目标历史气象数据,确定出所述待识别区域的历史降水过程中每次降水过程对应的粒子相态类型;
基于所述历史气象数据和所述待识别区域的历史降水过程中每次降水过程对应的粒子相态类型,计算出所述待识别区域的历史降水过程中各种粒子相态类型对应的每次降水过程的雷达偏振量的平均值,其中,雷达偏振量包括:水平反射率因子,差分反射率因子,差分传播相移率因子和相关系数;
基于所述雷达偏振量的平均值,对所述初始相态识别方程组进行修正,得到所述局地相态识别方程组。
4.根据权利要求3所述的方法,其特征在于, 对所述历史气象数据进行预处理,得到目标历史气象数据,包括:
对历史雷达基数据依次进行解析处理、质控处理、投影处理和三位组网处理,得到目标历史雷达基数据;
对历史地面气象站的逐小时温度数据进行插值处理,得到目标历史地面气象站的逐小时温度数据。
5.根据权利要求3所述的方法,其特征在于,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果,包括:
对所述当前气象数据进行所述预处理,得到目标当前气象数据,其中,所述目标当前气象数据包括:目标当前雷达基数据和目标当前地面气象站的逐小时温度数据;
基于所述目标当前雷达基数据和所述局地相态识别方程组,确定出所述待识别区域的初始粒子相态识别结果;
基于所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果。
6.根据权利要求5所述的方法,其特征在于, 基于所述目标当前雷达基数据和所述局地相态识别方程组,确定出所述待识别区域的初始粒子相态识别结果,包括:
利用所述目标当前雷达基数据和所述局地相态识别方程组,计算出所述目标当前雷达基数据的各类粒子相态对应的各个的雷达偏振量的模糊基;
基于所述目标当前雷达基数据的各类粒子相态对应的各个的雷达偏振量的模糊基,计算出所述目标当前雷达基数据的各类粒子相态的模糊基;
基于最大集成算法,确定出所述目标当前雷达基数据的各类粒子相态的模糊集中的最大模糊基,将所述最大模糊基对应的粒子相态确定为初始粒子相态识别结果。
7.根据权利要求5所述的方法,其特征在于,基于所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果 ,包括:
基于粒子相态与地面气象站的逐小时温度数据和雷达偏振量之间的物理经验关系,确定温度阈值判据和雷达偏振量阈值判据;
基于所述温度阈值判据和雷达偏振量阈值判据、所述目标当前气象数据和所述初始粒子相态识别结果,确定出所述待识别区域的当前粒子相态识别结果。
8.一种针对粒子相态的动态集合识别装置,其特征在于,包括:
获取单元,用于获取待识别区域的历史气象数据,其中,气象数据包括:雷达基数据和地面气象站的逐小时温度数据;
构建单元,用于基于梯形隶属函数,构建初始相态识别方程组;
修正单元,用于基于所述历史气象数据,对所述初始相态识别方程组进行修正,得到局地相态识别方程组;
识别单元,用于在获取到所述待识别区域的当前气象数据之后,利用所述局地相态识别方程组和所述当前气象数据,确定出所述待识别区域的当前粒子相态识别结果。
9.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,计算机程序被处理器运行时执行上述权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310389454.1A CN116108338B (zh) | 2023-04-13 | 2023-04-13 | 一种针对粒子相态的动态集合识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310389454.1A CN116108338B (zh) | 2023-04-13 | 2023-04-13 | 一种针对粒子相态的动态集合识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116108338A true CN116108338A (zh) | 2023-05-12 |
CN116108338B CN116108338B (zh) | 2023-06-23 |
Family
ID=86254737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310389454.1A Active CN116108338B (zh) | 2023-04-13 | 2023-04-13 | 一种针对粒子相态的动态集合识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116108338B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607954A (zh) * | 2017-09-11 | 2018-01-19 | 中国民航大学 | 一种基于t‑s模型的fnn降水粒子相态识别方法 |
CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
WO2019111641A1 (ja) * | 2017-12-06 | 2019-06-13 | 古野電気株式会社 | 降水粒子判別装置、降水粒子判別方法、及び降水粒子判別プログラム |
CN110852245A (zh) * | 2019-11-07 | 2020-02-28 | 中国民航大学 | 基于离散属性bnt的双偏振气象雷达降水粒子分类方法 |
CN111694000A (zh) * | 2020-06-11 | 2020-09-22 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
US10950352B1 (en) * | 2020-07-17 | 2021-03-16 | Prince Mohammad Bin Fahd University | System, computer-readable storage medium and method of deep learning of texture in short time series |
CN115526272A (zh) * | 2022-10-26 | 2022-12-27 | 成都锦江电子系统工程有限公司 | 基于多源资料融合的低云低能见度天气识别及反演方法 |
CN115932859A (zh) * | 2022-12-19 | 2023-04-07 | 国网湖南省电力有限公司 | 基于毫米波云雷达电网覆冰水粒子相态识别方法及系统 |
-
2023
- 2023-04-13 CN CN202310389454.1A patent/CN116108338B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607954A (zh) * | 2017-09-11 | 2018-01-19 | 中国民航大学 | 一种基于t‑s模型的fnn降水粒子相态识别方法 |
WO2019111641A1 (ja) * | 2017-12-06 | 2019-06-13 | 古野電気株式会社 | 降水粒子判別装置、降水粒子判別方法、及び降水粒子判別プログラム |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
CN110852245A (zh) * | 2019-11-07 | 2020-02-28 | 中国民航大学 | 基于离散属性bnt的双偏振气象雷达降水粒子分类方法 |
CN111694000A (zh) * | 2020-06-11 | 2020-09-22 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
US10950352B1 (en) * | 2020-07-17 | 2021-03-16 | Prince Mohammad Bin Fahd University | System, computer-readable storage medium and method of deep learning of texture in short time series |
CN115526272A (zh) * | 2022-10-26 | 2022-12-27 | 成都锦江电子系统工程有限公司 | 基于多源资料融合的低云低能见度天气识别及反演方法 |
CN115932859A (zh) * | 2022-12-19 | 2023-04-07 | 国网湖南省电力有限公司 | 基于毫米波云雷达电网覆冰水粒子相态识别方法及系统 |
Non-Patent Citations (3)
Title |
---|
冯亮;肖辉;孙跃;: "X波段双偏振雷达水凝物粒子相态识别应用研究", 气候与环境研究, no. 03, pages 1 - 10 * |
徐舒扬;吴?;刘黎平;: "双偏振雷达水凝物相态识别算法的参数改进", 应用气象学报, no. 03, pages 1 - 10 * |
林青云;何建新;王皓;史朝;陈婉婷;: "基于双偏振天气雷达的水凝物相态识别技术研究进展", 遥感技术与应用, no. 03, pages 1 - 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN116108338B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grimaldi et al. | Remote sensing-derived water extent and level to constrain hydraulic flood forecasting models: Opportunities and challenges | |
CN112965146B (zh) | 一种结合气象雷达与雨量桶观测数据的定量降水估算方法 | |
CN104569981A (zh) | 协同自适应观测方法 | |
CN111458705B (zh) | 一种单脉冲雷达测高方法、电子设备及存储介质 | |
CN112926218A (zh) | 净空距离的获取方法、装置、设备和存储介质 | |
WO2018168165A1 (ja) | 気象予測装置、気象予測方法、およびプログラム | |
CN114397636B (zh) | 一种地基雷达反射率因子均一性评估方法、系统及设备 | |
CN103064073A (zh) | 一种基于频率捷变改变雷达目标特性的方法 | |
CN112379393B (zh) | 一种列车碰撞预警方法及其装置 | |
CN112561940A (zh) | 密集多目标参数提取的方法、装置及终端设备 | |
CN113064162A (zh) | 应用于机场跑道异物检测雷达系统的检测方法、装置 | |
CN117651882A (zh) | 反射率校正方法、装置、计算机可读存储介质及终端设备 | |
CN115980756A (zh) | 一种基于星载双频雷达的降水中水凝物种类识别方法 | |
CN110516552B (zh) | 一种基于时序曲线的多极化雷达图像分类方法及系统 | |
CN113989644B (zh) | 基于Himawari-8数据的沙尘区域获取方法 | |
CN113256990B (zh) | 基于聚类算法的雷达采集道路车辆信息的方法及系统 | |
CN112924967B (zh) | 一种基于雷达和光学数据组合特征的农作物倒伏遥感监测方法与应用 | |
CN116108338B (zh) | 一种针对粒子相态的动态集合识别方法和装置 | |
CN113034539B (zh) | 一种确定点云的边界框的方法及装置 | |
CN114240940B (zh) | 一种基于遥感影像的云及云阴影检测方法和装置 | |
CN114742849A (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN114966601B (zh) | 基于毫米波雷达的山体滑坡预测方法和电子设备 | |
CN110766005A (zh) | 目标特征提取方法、装置和终端设备 | |
CN111611678A (zh) | 台风风向模糊解优化方法、装置、电子设备及存储介质 | |
CN111880156B (zh) | 路面团雾的检测方法、系统及雷达 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |