DE112021007988T5 - Verfahren zur unterscheidung von sonnigem und regnerischem wetter basierend auf einem zeitaufteilung-langzeitentwicklungsnetzwerk - Google Patents

Verfahren zur unterscheidung von sonnigem und regnerischem wetter basierend auf einem zeitaufteilung-langzeitentwicklungsnetzwerk Download PDF

Info

Publication number
DE112021007988T5
DE112021007988T5 DE112021007988.3T DE112021007988T DE112021007988T5 DE 112021007988 T5 DE112021007988 T5 DE 112021007988T5 DE 112021007988 T DE112021007988 T DE 112021007988T DE 112021007988 T5 DE112021007988 T5 DE 112021007988T5
Authority
DE
Germany
Prior art keywords
sunny
rainy
rainy weather
distinguishing
model
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.)
Pending
Application number
DE112021007988.3T
Other languages
English (en)
Inventor
Xichuan Liu
Kang PU
Lei Liu
Taichang Gao
Shijun Zhao
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Publication of DE112021007988T5 publication Critical patent/DE112021007988T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/02Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/08Testing, supervising or monitoring using real traffic
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/023Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/12Sunshine duration recorders
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/14Rainfall or precipitation gauges
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/01Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/142Network analysis or design using statistical or mathematical methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Hydrology & Water Resources (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

Die vorliegende Erfindung offenbart ein Verfahren zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk, das umfasst: Erhalten einer sonnigen bzw. regnerischen Kenngröße durch Extrahieren einer Statistik zur Kommunikationsmessung von Basisstationen des Zeitaufteilung-Langzeitentwicklungsnetzwerks in einem bestimmten Gebiet; Erstellen eines Trainingssatzes abhängig von Beobachtungsergebnissen, die in mehreren statistischen Perioden an mehreren Basisstationen mittels mehrerer Niederschlagsmesser in dem Gebiet gewonnen werden; Erstellung eines Modells zur Unterscheidung von Sonne und Regen in Kombination mit einem binären Klassifizierungsalgorithmus für maschinelles Lernen, um die Erkennung von Niederschlagsereignissen zu realisieren, die von einer einzelnen Basisstation abgedeckt werden; und Berechnen, basierend auf umfassenden Bestimmungsergebnissen mehrerer Basisstationen, einer Glaubwürdigkeit eines Niederschlagsereignisses an einer bestimmten Position. Das Verfahren basiert auf statistischen Ergebnissen des Messberichts des Zeitaufteilung-Langzeitentwicklungsnetzwerks, kann eine effektive Erkennung von sonnigen und regnerischen Ereignissen innerhalb eines Gebietsbereichs realisieren und kann umfassend auf dem Gebiet der bodenmeteorologischen und hydrologischen Informationsfernerkundung angewendet werden.

Description

  • TECHNISCHES GEBIET
  • Die vorliegende Erfindung bezieht sich auf das Gebiet der meteorologischen Detektion, insbesondere auf ein Verfahren zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk.
  • STAND DER TECHNIK
  • Niederschlag spielt eine äußerst wichtige Rolle im Wasserkreislauf und Energiekreislauf auf der Erde. Eine effektive Detektion von Niederschlagsinformationen ist für die Frühwarnung vor Naturkatastrophen, die landwirtschaftliche Produktion und die Verkehrssicherheit usw. von großer Bedeutung. Gegenwärtig kann ein professioneller bodengestützter Niederschlagsmesser eine Niederschlagsmenge genau aufzeichnen, seine geringe Verteilung schränkt jedoch die Anwendung ihrer Beobachtungsergebnisse im großen Maßstab ein. Ein Regenradar kann eine regionale Niederschlagsverteilung über einen weiten Bereich überwachen, während die Z-R-Beziehung (Radarreflexionsfaktor-Niederschlagsintensität), auf der das Regenradar basiert, durch die lokale Verteilung des Regentropfenspektrums beeinflusst wird. Ein Regensatellit kann Informationen über die globale Niederschlagsverteilung erhalten, aber er hat eine geringe räumlich-zeitliche Auflösung und ist anfällig für Wolkenstörungen, so dass seine Fähigkeit, leichten Regen in Bodennähe zu detektieren, begrenzt ist. Zusätzlich zu den oben genannten professionellen meteorologischen Detektionsinstrumenten können auch nicht-kooperative elektromagnetische Wellenquellen, die auf der ganzen Welt weit verteilt sind, zur Detektion von Niederschlagsinformationen verwendet werden. Das typischste Beispiel davon ist ein Verfahren zur Überwachung von Niederschlagsinformationen basierend auf einer Mikrowellenverbindung für kommerzielle Kommunikation, das die Eigenschaften, wie Probenahme von bodennahen Objekten, eine hohe räumlich-zeitliche Auflösung, und Invertieren eines durchschnittlichen Zustands eines Pfads durch Beobachtungsergebnisse, aufweist. Bei diesem Verfahren werden anhand eines von einem Empfänger aufgezeichneten Pegelwerts regeninduzierte Dämpfungsinformationen auf der Verbindung extrahiert, wobei in Kombination mit einem regeninduziertes ITU-R (International Telecommunication Union Radiocommunication Sector) -Dämpfungsmodell die durchschnittliche Niederschlagsintensität des Pfades invertiert wird. Maßnahmen zur Überwachung von Niederschlagsinformationen, die auf diesem Prinzip basieren, wurden weltweit umfassend erforscht und angewendet. Da jedoch eine große Anzahl von Mikrowellen-Backhaul-Verbindungen durch unterirdische Glasfasern ersetzt wurden, sind in China immer weniger Daten über Mikrowellenverbindungen für die kommerzielle Kommunikation verfügbar; dies schränkt die künftige Förderung und Anwendung von Verfahren zur Überwachung von Niederschlagsinformationen, die auf einer Mikrowellenverbindung für kommerzielle Kommunikation basieren, in China erheblich ein.
  • Zusätzlich zu den Mikrowellen-Backhaul-Verbindungen für kommerzielle Kommunikation, ist eine weiter verbreitete nicht-kooperative Signalquelle ein Netzwerk zur Ausbreitung elektromagnetischer Wellen, das zwischen Kommunikationsbasisstationen und Kommunikationsterminals gebildet wird, wie beispielsweise ein Zeitaufteilung-Langzeitentwicklungsnetzwerk (Time-Division Long Term Evolution Network, TD-LTE-Netzwerk), das häufig in der 4G-Mobiltelefonkommunikation verwendet wird. Da die Frequenz der elektromagnetischen Kommunikationswelle zwischen einer 4G-Basisstation und einem Mobiltelefonterminal beträgt weniger als 3 GHz und der Mikrowellendämpfungseffekt von Regen in diesem Frequenzbereich sehr schwach ist, ist es schwierig, zuerst die regeninduzierte Dämpfung zu extrahieren und dann Niederschlagsinformationen zu erhalten, wie bei den Mikrowellenverbindungen für kommerzielle Kommunikation. Der von jeder Basisstation des TD-LTE-Netzwerks bereitgestellte Messbericht enthält jedoch Zählinformationen, wie Stärke, Qualität und Zeitverzögerung usw. des Terminalsignals in mehreren Intervallen. Solche Informationen ändern sich beim Fallen von Regen regelmäßig, sodass sie theoretisch für die Überwachung von Niederschlagsinformationen genutzt werden können.
  • INHALT DER VORLIEGENDEN ERFINDUNG
  • Die Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk bereitzustellen, um die oben genannten Probleme im Stand der Technik zu beseitigen.
  • Um die obige Aufgabe zu lösen, stellt die vorliegende Erfindung folgende Lösungen bereit:
    • Die vorliegende Erfindung stellt Verfahren zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk bereit, das umfasst:
      • Erstellen eines Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter, und Eingeben einer erhaltenen sonnigen bzw. regnerischen Kenngröße und einer sonnigen bzw. regnerischen Etikettenmatrix in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter für ein Training; und
      • Analysieren einer Glaubwürdigkeit eines Niederschlagsereignisses in einem Abdeckungsbereich einer Basisstation basierend auf dem trainierten Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter.
      • Optional umfasst das Verfahren vor dem Erstellen eines Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter ferner:
        • Auswählen mehrerer normal funktionierender Basisstationen des
        • Zeitaufteilung-Langzeitentwicklungsnetzwerks in demselben Bereich, und Aufzeichnen von Rückgabeinformationen von Kommunikationsterminals in jeder der Basisstationen in derselben statistischen Periode;
        • Berechnen einer Anzahl von Rückgabeparametern in jedem Wertbereich, einer Gesamtzahl von Rückgaben und einer durchschnittlichen Anzahl von Rückgabeparametern in den Rückgabeinformationen;
        • Verwenden der Anzahl der Rückgabeparameter in jedem Wertbereich, der Gesamtzahl der Rückgaben und der durchschnittlichen Anzahl der Rückgabeparameter als Statistik zur Kommunikationsmessung;
        • Durchführen des Berechnens in mehreren statistischen Perioden, und Zusammenfassen erhaltener mehrerer Statistiken zur Kommunikationsmessung als sonnige bzw. regnerische Kenngröße; und
        • Erstellen der sonnigen bzw. regnerischen Etikettenmatrix.
        • Optional umfasst der Prozess zum Erstellen der sonnigen bzw. regnerischen Etikettenmatrix:
          • Bestimmen, für mehrere in demselben Gebiet vorhandene Niederschlagsmesser, anhand eines Beobachtungsergebnisses eines Niederschlagsmessers, der einer normal funktionierender Basisstation des Zeitaufteilung-Langzeitentwicklungsnetzwerk am nächsten liegt, ob es in derselben statistischen Periode einen Niederschlag gibt; und Verwenden eines Beurteilungsergebnisses als sonnige bzw. regnerische Etikette, Durchführen und Aufzeichnen des Bestimmens in mehreren statistischen Perioden, und Zusammenfassen von erhaltenen mehreren sonnigen bzw. regnerische Etiketten als sonnige bzw. regnerische Etikettenmatrix.
          • Optional ist vorgesehen, dass die sonnige bzw. regnerische Etikette bestimmt werden, indem ein akkumulierter Niederschlag, der von einem räumlich nächstgelegenen Niederschlagsmesser aufgezeichnet wird, und ein Schwellenwert von 0,1 mm als Teilungsstandard herangezogen werden.
          • Optional umfasst der Prozess zum Erstellen des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter:
            • Erstellen, basierend auf einer binären Klassifizierungsmethode durch maschinelles Lernen, des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter, wobei die binäre Klassifizierungsmethode durch maschinelles Lernen einen
            • Bagging-Entscheidungsbaum-Klassifizierungsalgorithmus umfasst.
            • Optional umfasst der Prozess zum Eingeben einer erhaltenen sonnigen bzw. regnerischen Kenngröße und einer sonnigen bzw. regnerischen Etikettenmatrix in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter für ein Training: Verwenden von Beobachtungsergebnissen, die in mehreren statistischen Perioden an mehreren Basisstationen mittels mehrerer Niederschlagsmesser in einem Gebiet, das von der sonnigen bzw. regenreichen Kenngröße enthalten wird, gewonnen werden, als Trainingssatz, der in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter eingegeben wird; und
            • Durchführen des Trainings durch Erkennen, ob in einer bestimmten statistischen Periode innerhalb des Abdeckungsbereichs der Basisstation ein Niederschlagsereignis vorliegt. Optional umfasst der Prozess zum Durchführen des Trainings durch Erkennen, ob in einer bestimmten statistischen Periode innerhalb des Abdeckungsbereichs der Basisstation ein Niederschlagsereignis vorliegt:
              • umfassendes Bestimmen, basierend auf Ergebnissen der Unterscheidung zwischen sonnigem und regnerischem Wetter in allen kommunikationsfähigen Basisstationen an einer bestimmten Position im Gebiet, einer Wahrscheinlichkeit eines Niederschlagsereignisses an dieser Position.
  • Optional umfasst der Prozess zum Eingeben einer erhaltenen sonnigen bzw. regnerischen Kenngröße und einer sonnigen bzw. regnerischen Etikettenmatrix in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter für ein Training ferner: Testen einer Genauigkeit des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter durch eine zehnfache Kreuzverifizierung, und Erhalten von Modellleistungsindikatoren und einer Verwirrungsmatrix.
  • Optional ist vorgesehen, dass der Prozess zum Analysieren einer Glaubwürdigkeit eines Niederschlagsereignisses in einem Abdeckungsbereich einer Basisstation basierend auf dem trainierten Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter umfasst: Berechnen einer Glaubwürdigkeit des Auftretens eines Niederschlags basierend auf einer inversen Distanzgewichtungsmethode.
  • Die vorliegende Erfindung offenbart folgende technische Effekte:
    • Die vorliegende Erfindung schlägt ein Verfahren zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk vor, das basierend auf den statistischen Ergebnissen des Messberichts des Zeitaufteilung-Langzeitentwicklungsnetzwerks die sensiblen Kenngrößen sonniger bzw. regnerischer Perioden vollständig ausgräbt und eine effektive Detektion von Niederschlagsinformationen in einem Gebietsbereich realisiert; gleichzeitig basiert die vorliegende Erfindung auf dem weit verbreiteten
    • Zeitaufteilung-Langzeitentwicklungsnetzwerk und erfordert keine zusätzlichen Investitionen in die Hardwarekosten, wobei sie eine äußerst kostengünstige Maßnahme zur Überwachung bodennaher Niederschlagsinformationen mit großer Abdeckung und hoher räumlicher Auflösung bereitstellt und äußerst hohe praktische Anwendungsaussichten aufweist. Die vorliegende Erfindung kann als neues Verfahren zur Erkennung von sonnigen bzw. regnerischen Perioden auf die Praxis angewendet werden.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • Um die technischen Lösungen in Ausführungsbeispielen der vorliegenden Erfindung oder im Stand der Technik deutlicher zu veranschaulichen, werden nachstehend die Zeichnungen, die bei den Ausführungsbeispielen verwendet werden müssen, kurz vorgestellt. Offensichtlich stellen die Zeichnungen in der folgenden Beschreibung nur einige Ausführungsbeispiele der vorliegenden Erfindung dar. Der Durchschnittsfachmann kann auch basierend auf diesen Zeichnungen weitere Zeichnungen erhalten, ohne erfinderischen Aufwand zu leisten.
    • 1 zeigt eine schematische Ansicht der Verteilung von Kommunikationsbasisstationen, Kommunikationsterminals und Niederschlagsmessern in einem Ausführungsbeispiel der vorliegenden Erfindung, wobei BS für eine Kommunikationsbasisstation, RG für einen Niederschlagsmesser und ein Mobiltelefonsymbol für ein Kommunikationsterminal steht;
    • 2 zeigt ein Arbeitsflussdiagramm eines Verfahrens zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk in einem Ausführungsbeispiel der vorliegenden Erfindung, wobei die durchgezogene Linie einen Erstellungsvorgang eines Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter darstellt und die gepunktete Linie einen Anwendungsvorgang des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter darstellt;
    • 3 zeigt eine Verwirrungsmatrix des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter in einer einzelnen Basisstation in einer Ausführungsbeispiel der vorliegenden Erfindung; und
    • 4 zeigt ein Diagramm, das ein Berechnungsergebnis der Niederschlagsglaubwürdigkeit an einer bestimmten Position in einem Ausführungsbeispiel der vorliegenden Erfindung darstellt.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Im Folgenden werden die technischen Lösungen in den Ausführungsbeispielen der vorliegenden Erfindung in Verbindung mit den beigefügten Zeichnungen der Ausführungsbeispiele der vorliegenden Erfindung klar und vollständig beschrieben. Offensichtlich sind die beschriebenen Ausführungsbeispiele nur ein Teil der Ausführungsbeispiele der vorliegenden Erfindung und umfassen nicht alle Ausführungsbeispiele. Alle anderen Ausführungsbeispiele, die vom Durchschnittsfachmann auf der Grundlage der Ausführungsbeispiele in der vorliegenden Erfindung ohne erfinderischen Aufwand erzielt sind, fallen in den Schutzumfang der vorliegenden Erfindung.
  • 1 zeigt eine schematische Ansicht der Verteilung von Kommunikationsbasisstationen, Kommunikationsterminals und Niederschlagsmessern in einem Ausführungsbeispiel der vorliegenden Erfindung; 2 zeigt ein Arbeitsflussdiagramm eines Verfahrens zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk in einem Ausführungsbeispiel der vorliegenden Erfindung; 3 zeigt eine Verwirrungsmatrix des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter in einer einzelnen Basisstation in einer Ausführungsbeispiel der vorliegenden Erfindung; und 4 zeigt ein Diagramm, das ein Berechnungsergebnis der Niederschlagsglaubwürdigkeit an einer bestimmten Position in einem Ausführungsbeispiel der vorliegenden Erfindung darstellt. Bei der vorliegenden Erfindung wird die Statistik zur Kommunikationsmessung von Basisstationen des Zeitaufteilung-Langzeitentwicklungsnetzwerks in einem bestimmten Gebiet dazu verwendet, die sonnige bzw. regnerische Kenngröße zu erhalten, wobei ein Modell zur Unterscheidung von Sonne und Regen in Kombination mit einem binären Klassifizierungsalgorithmus für maschinelles Lernen erstellt wird, um die Erkennung von Niederschlagsereignissen zu realisieren, die von einer einzelnen Basisstation abgedeckt werden, und wobei basierend auf mehreren Basisstationen die Glaubwürdigkeit von Niederschlagsereignissen an einer bestimmten Position umfassend bestimmt wird. Folgende Schritte werden im Wesentlichen umfasst:
    1. 1. Erhalten einer Merkmalsmatrix zur Erkennung von sonnigen bzw. regnerischen Perioden basierend auf einer Basisstation des Zeitaufteilung-Langzeitentwicklungsnetzwerks in einem bestimmten Gebiet.
      • (1) Auswählen von 116 normal funktionierenden Basisstationen BS1, BS2, ..., BS116 im Zeitaufteilung-Langzeitentwicklungsnetzwerk in dem Gebiet, wobei jede Basisstation Rückgabeinformationen eines Mobiltelefon-Terminals in einer s-ten (s=1, 2,..., 48) statistischen Periode (eine statistische Periode T=60 (min)) aufzeichnet;
      • (2) Gemäß den Rückgabeinformationen des Mobiltelefon-Terminals berechnet die m-te Basisstation die Anzahl der Intervalle n1,m,s, n2,m,s, ..., n48,m,s für die vom Mobiltelefon-Terminal in der s-ten statistischen Periode zurückgegebenen Referenzsignal-Empfangsleistung (insgesamt gibt es 48 Intensitätsintervalle), die Gesamtzahl der Abtastpunkte Nm,s der Referenzsignal-Empfangsleistung und die durchschnittliche Referenzsignal-Empfangsleistung Avem,s;
      • (3) Einrichten von Kenngrößen xm,s =[n1,m,s, n2,m,s,..., nK,m,s, Nm,s, Avem,s] zur Erkennung von sonnigem bzw. regnerischem Wetter in der s-ten statistischen Periode für die m-te Basisstation, um die Merkmalmatrix zu erhalten: X = [ X 1 X 2 X 116 ]   ( X m = [ x m ,1 x m ,2 x m ,48 ] , m = 1, ,116 )
        Figure DE112021007988T5_0001
        und Normalisieren von X, um X' zu erhalten.
    2. 2. Erstellen einer Etikettenmatrix basierend auf Beobachtungsergebnissen von Niederschlagsmessern in dem Gebiet.
      • (1) In dem Gebiet gibt es einen Niederschlagsmesser RG1, wobei abhängig von Beobachtungsergebnissen des Niederschlagsmessers RG1 bestimmt wird, ob es in der s-ten statistischen Periode der m-ten Basisstation einen Niederschlag gibt, wobei das Bestimmungsergebnis als sonnige bzw. regnerische Etikette ym,s verwendet wird: y m , s = { 1,   i f   A c c R G 1 , s > 0.1 mm 0,   i f   A c c R G 1 , s 0.1 mm
        Figure DE112021007988T5_0002
        wobei AccRG1,s für einen akkumulierten Niederschlag (mm) steht, der von RG1 in der s-ten statistischen Periode aufgezeichnet ist.
      • (2) Kombinieren der sonnigen bzw. regnerischen Etiketten, um eine Etikettenmatrix zu erhalten: Y = [ Y 1 Y 2 Y 116 ]   ( Y m = [ y m ,1 y m ,2 y m , S ] , m = 1, ,116 )
        Figure DE112021007988T5_0003
    3. 3. Erstellen eines Trainingssatz [X', Y] abhängig von historischen Daten, und Erstellen, in Kombination mit einem Bagging-Entscheidungsbaum-Klassifizierungsalgorithmus, eines Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter, um zu erkennen, ob ein Niederschlagsereignis in einer bestimmten statistischen Periode innerhalb eines Abdeckungsbereichs einer bestimmten Basisstation vorliegt.
    4. 4. Testen einer Genauigkeit des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter durch eine zehnfache Kreuzverifizierung, und Erhalten von Modellleistungsindikatoren und einer Verwirrungsmatrix.
    5. 5. In der praktischen Anwendung wird am Beispiel einer bestimmten Position O die Wahrscheinlichkeit von Niederschlagsereignissen an dieser Position anhand der Ergebnisse der Unterscheidung zwischen sonnigem und regnerischem Wetter in allen kommunikationsfähigen Basisstationen in dem Gebiet umfassend bestimmt, wobei die Anzahl aller kommunikationsfähigen Basisstationen an der Position O a=3 beträgt, wobei die Anzahl der kommunikationsfähigen Basisstationen, die in einer bestimmten statistischen Periode als regnerisch bestimmt wird, b beträgt, und wobei anhand einer inversen Distanzgewichtung die Glaubwürdigkeit des Auftretens eines Niederschlags in dieser statistischen Periode berechnet wird: G l a u b w ü r d i g k e i t = j = 1 b d R e g e n , i 2 i = 1 3 d a l l e , i 2
      Figure DE112021007988T5_0004
      wobei dRegen,j(km) für einen Abstand zwischen einer als regnerisch bestimmten j-ten kommunikationsfähigen Basisstation und dieser Position steht und dalle,i(km) für einen Abstand zwischen einer i-ten kommunikationsfähigen Basisstation und dieser Position steht, wobei die Berechnungsergebnisse in 4 und Tabelle 1 dargestellt sind.
    Tabelle 1
    dalle,1 dalle,2 dalle,3 y1,s y2,s y3,s dRegen,1 dRegen,2 dRegen,3 Glaubwürdigkeit
    2km 1,5k m 1km 1 1 1 dalle,1 dalle,2 dalle,3 1,00
    1 1 0 dalle,1 dalle,2 - 0,41
    1 0 1 dalle,1 dalle,3 - 0,74
    1 0 0 dalle,1 - - 0,15
    0 1 1 dalle,2 dalle,3 - 0,85
    0 1 0 dalle,2 - - 0,26
    0 0 1 dalle,2 - - 0,41
    0 0 0 - - - 0,00
  • In einem praktischen Anwendungsvorgang können gemäß den Kenngrößen, die aus Messbericht des Zeitaufteilung-Langzeitentwicklungsnetzwerks extrahiert sind, die sonnige bzw. regnerische Etikette des Abdeckungsbereichs einer einzelnen Basisstation und ein umfassendes Bestimmungsergebnis der Niederschlagsglaubwürdigkeit in einem Kreuzungsbereich mehrerer Basisstationen direkt gewonnen werden.
  • Die Grundprinzipien, Hauptmerkmale und Vorteile der vorliegenden Erfindung sind vorstehend gezeigt und beschrieben. Der Fachmann sollte verstehen, dass die vorliegende Erfindung nicht durch die vorstehend beschriebenen Ausführungsbeispiele beschränkt ist. Die vorstehend beschriebenen Ausführungsbeispiele und die Inhalte in der Beschreibung veranschaulichen nur die Prinzipien der vorliegenden Erfindung. Verschiedene Änderungen und Verbesserungen können an der vorliegenden Erfindung vorgenommen werden, ohne vom Geist und Umfang der vorliegenden Erfindung abzuweichen. Und diese Änderungen und Verbesserungen fallen in den Umfang der vorliegenden Erfindung. Der Umfang der vorliegenden Erfindung wird durch die beigefügten Ansprüche und deren Äquivalente definiert.

Claims (9)

  1. Verfahren zur Unterscheidung von sonnigem und regnerischem Wetter basierend auf einem Zeitaufteilung-Langzeitentwicklungsnetzwerk, dadurch gekennzeichnet, dass es folgende Schritte umfasst: Erstellen eines Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter, und Eingeben einer erhaltenen sonnigen bzw. regnerischen Kenngröße und einer sonnigen bzw. regnerischen Etikettenmatrix in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter für ein Training; und Analysieren einer Glaubwürdigkeit eines Niederschlagsereignisses in einem Abdeckungsbereich einer Basisstation basierend auf dem trainierten Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Verfahren vor dem Erstellen eines Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter ferner umfasst: Auswählen mehrerer normal funktionierender Basisstationen des Zeitaufteilung-Langzeitentwicklungsnetzwerks in demselben Gebiet, und Aufzeichnen von Rückgabeinformationen von Kommunikationsterminals in jeder der Basisstationen in derselben statistischen Periode; Berechnen einer Anzahl von Rückgabeparametern in jedem Wertbereich, einer Gesamtzahl von Rückgaben und einer durchschnittlichen Anzahl von Rückgabeparametern in den Rückgabeinformationen; Verwenden der Anzahl der Rückgabeparameter in jedem Wertbereich, der Gesamtzahl der Rückgaben und der durchschnittlichen Anzahl der Rückgabeparameter als Statistik zur Kommunikationsmessung; Durchführen des Berechnens in mehreren statistischen Perioden, und Zusammenfassen erhaltener mehrerer Statistiken zur Kommunikationsmessung als sonnige bzw. regnerische Kenngröße; und Erstellen der sonnigen bzw. regnerischen Etikettenmatrix.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Prozess zum Erstellen der sonnigen bzw. regnerischen Etikettenmatrix umfasst: Bestimmen, für mehrere in demselben Gebiet vorhandene Niederschlagsmesser, anhand eines Beobachtungsergebnisses eines Niederschlagsmessers, der einer normal funktionierender Basisstation des Zeitaufteilung-Langzeitentwicklungsnetzwerk am nächsten liegt, ob es in derselben statistischen Periode einen Niederschlag gibt; und Verwenden eines Beurteilungsergebnisses als sonnige bzw. regnerische Etikette, Durchführen und Aufzeichnen des Bestimmens in mehreren statistischen Perioden, und Zusammenfassen von erhaltenen mehreren sonnigen bzw. regnerische Etiketten als sonnige bzw. regnerische Etikettenmatrix.
  4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die sonnige bzw. regnerische Etikette bestimmt werden, indem ein akkumulierter Niederschlag, der von einem räumlich nächstgelegenen Niederschlagsmesser aufgezeichnet wird, und ein Schwellenwert von 0,1 mm als Teilungsstandard herangezogen werden.
  5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Prozess zum Erstellen des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter umfasst: Erstellen, basierend auf einer binären Klassifizierungsmethode durch maschinelles Lernen, des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter, wobei die binäre Klassifizierungsmethode durch maschinelles Lernen einen Bagging-Entscheidungsbaum-Klassifizierungsalgorithmus umfasst.
  6. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Prozess zum Eingeben einer erhaltenen sonnigen bzw. regnerischen Kenngröße und einer sonnigen bzw. regnerischen Etikettenmatrix in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter für ein Training umfasst: Verwenden von Beobachtungsergebnissen, die in mehreren statistischen Perioden an mehreren Basisstationen mittels mehrerer Niederschlagsmesser in einem Gebiet, das von der sonnigen bzw. regenreichen Kenngröße enthalten wird, gewonnen werden, als Trainingssatz, der in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter eingegeben wird; und Durchführen des Trainings durch Erkennen, ob in einer bestimmten statistischen Periode innerhalb des Abdeckungsbereichs der Basisstation ein Niederschlagsereignis vorliegt.
  7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Prozess zum Durchführen des Trainings durch Erkennen, ob in einer bestimmten statistischen Periode innerhalb des Abdeckungsbereichs der Basisstation ein Niederschlagsereignis vorliegt, umfasst: umfassendes Bestimmen, basierend auf Ergebnissen der Unterscheidung zwischen sonnigem und regnerischem Wetter in allen kommunikationsfähigen Basisstationen an einer bestimmten Position im Gebiet, einer Wahrscheinlichkeit eines Niederschlagsereignisses an dieser Position.
  8. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Prozess zum Eingeben einer erhaltenen sonnigen bzw. regnerischen Kenngröße und einer sonnigen bzw. regnerischen Etikettenmatrix in das Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter für ein Training ferner umfasst: Testen einer Genauigkeit des Modells zur Unterscheidung zwischen sonnigem und regnerischem Wetter durch eine zehnfache Kreuzverifizierung, und Erhalten von Modellleistungsindikatoren und einer Verwirrungsmatrix.
  9. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Prozess zum Analysieren einer Glaubwürdigkeit eines Niederschlagsereignisses in einem Abdeckungsbereich einer Basisstation basierend auf dem trainierten Modell zur Unterscheidung zwischen sonnigem und regnerischem Wetter umfasst: Berechnen einer Glaubwürdigkeit des Auftretens eines Niederschlags basierend auf einer inversen Distanzgewichtungsmethode.
DE112021007988.3T 2021-10-12 2021-12-09 Verfahren zur unterscheidung von sonnigem und regnerischem wetter basierend auf einem zeitaufteilung-langzeitentwicklungsnetzwerk Pending DE112021007988T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202111184976.5 2021-10-12
CN202111184976.5A CN113923594B (zh) 2021-10-12 2021-10-12 一种基于时分长期演进网络的晴雨区分方法
PCT/CN2021/136788 WO2023060734A1 (zh) 2021-10-12 2021-12-09 一种基于时分长期演进网络的晴雨区分方法

Publications (1)

Publication Number Publication Date
DE112021007988T5 true DE112021007988T5 (de) 2024-05-02

Family

ID=79239283

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112021007988.3T Pending DE112021007988T5 (de) 2021-10-12 2021-12-09 Verfahren zur unterscheidung von sonnigem und regnerischem wetter basierend auf einem zeitaufteilung-langzeitentwicklungsnetzwerk

Country Status (5)

Country Link
US (1) US20230161071A1 (de)
CN (1) CN113923594B (de)
DE (1) DE112021007988T5 (de)
GB (1) GB202404241D0 (de)
WO (1) WO2023060734A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114828077B (zh) * 2022-05-19 2023-09-01 中国人民解放军国防科技大学 一种基于蜂窝移动通信网的区域降雨场重构方法
CN116383701B (zh) * 2023-04-13 2024-01-26 中国人民解放军国防科技大学 一种基于学习重构的微波链路雨期检测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102905358B (zh) * 2012-10-12 2014-12-10 南京邮电大学 一种卫星通信系统链路自适应步长功率控制方法
CN104656163B (zh) * 2015-02-04 2017-04-05 中国人民解放军理工大学 一种基于大数据的移动通信网降水分布及动态测量方法
JP2016153728A (ja) * 2015-02-20 2016-08-25 三菱電機株式会社 レーダ信号処理装置及びレーダ装置
CN107046700B (zh) * 2016-02-05 2020-04-21 中兴通讯股份有限公司 一种预测移动终端切换基站的方法和装置
CN109581546B (zh) * 2018-10-30 2020-10-16 中国人民解放军国防科技大学 基于微波链路衰减及偏振信息的降雨类型识别方法
CN110728411B (zh) * 2019-10-18 2022-04-12 河海大学 一种基于卷积神经网络的高低空区域联合降雨预测方法
CN111401602B (zh) * 2019-12-31 2022-08-26 河海大学 基于神经网络的卫星以及地面降水测量值同化方法
CN111401644A (zh) * 2020-03-19 2020-07-10 南京国准数据有限责任公司 一种基于神经网络的降水降尺度空间预测方法

Also Published As

Publication number Publication date
US20230161071A1 (en) 2023-05-25
WO2023060734A1 (zh) 2023-04-20
CN113923594A (zh) 2022-01-11
CN113923594B (zh) 2023-10-03
GB202404241D0 (en) 2024-05-08

Similar Documents

Publication Publication Date Title
Guo et al. Assessing spatiotemporal variation of drought and its impact on maize yield in Northeast China
DE112021007988T5 (de) Verfahren zur unterscheidung von sonnigem und regnerischem wetter basierend auf einem zeitaufteilung-langzeitentwicklungsnetzwerk
Manton et al. Trends in extreme daily rainfall and temperature in Southeast Asia and the South Pacific: 1961–1998
CN111666656A (zh) 基于微波雨衰的降雨估算方法及降雨监测系统
CN107103305A (zh) 基于高分辨率遥感影像的高标准农田识别方法
CN106126920A (zh) 农作物雹灾受灾面积遥感评估方法
CN110930048A (zh) 一种基于成灾机理过程的农作物干旱风险评估系统及方法
CN105279612A (zh) 一种基于泊松分布的输电线路跳闸风险评估方法
DE112021000018T5 (de) Verfahren zur Bestimmung der sonnigen und regnerischen Zeit unter Verwendung mehrerer Kenngrößen der Hochfrequenz-Satelliten-Boden-Verbindung
Xiong et al. Long time-series urban heat island monitoring and driving factors analysis using remote sensing and geodetector
CN113516418A (zh) 一种苹果种植区干旱灾害风险评估方法
CN113627826A (zh) 苹果种植区洪涝灾害风险评估方法
Kavalieratou et al. Drought analysis and short-term forecast in the Aison River Basin (Greece)
Decker Probability of drought for humid and subhumid regions
AU2021105767A4 (en) Risk Assessment Method of Winter Wheat Summer Maize Disaster
DE102004000024B4 (de) System und Verfahren zum Erfassen, Übermitteln und Auswerten von durch elektromagnetische Strahlung anfallenden Daten und Informationen
CN113112147A (zh) 一种基于地面实测与遥感协同的柑橘黄龙病风险评估方法
Caseri et al. A space-time geostatistical approach for ensemble rainfall nowcasting
Wang et al. Spatiotemporal variations in drought and waterlogging and their effects on maize yields at different growth stages in Jilin Province, China
Zare Abianeh et al. Comparative study of four meteorological drought index based on relative yield of rain fed wheat in Hamedan province
Hohl et al. Cloud-to-ground lightning activity in relation to the radar-derived hail kinetic energy in Switzerland
CN107743226A (zh) 一种监测准确的环境监测系统
Pecorino et al. Evidence of climate change in Sicily by means of rainfall data analysis
Doun et al. Temporal and Spatial Evaluation of Drought in Agricultural Stability Zones in Syria between 1992 and 2018 by Using SPI Index
Dang et al. Construction of a Crop Flood Damage Assessment Index to Rapidly Assess the Extent of Postdisaster Impact

Legal Events

Date Code Title Description
R012 Request for examination validly filed