基于卫星遥感监测极端气象预报数据异常值检测方法

在遥感数据采集过程中,由于传感器故障、气象条件等原因,可能会导致少量的异常点出现在采集的数据中,这些异常点可能会对极端天气预报的准确性产生负面影响;为此,需要研究一种基于卫星遥感监测极端气象预报数据异常值检测方法;基于改进K-均值聚类算法对缺失的卫星遥感监测极端气象预报数据进行插补,还原数据完整性;划分卫星遥感监测极端气象预报数据的区段,提取每个区段的裕度指标、偏斜度、频率歪度、重心频率4个特征参数,以此为输入,利用蝙蝠算法优化BP神经网络识别异常区段;计算异常区段中每个卫星遥感监测极端气象预报数据的局部离群因子,局部离群因子大于1.0数据为气象预报数据异常值,以此完成气象预报数据异常值检测;结果表明:所提方法插补误差小于±1.0,可以准确识别异常区段中的异常值,且在不同样本中的协调指数高于0.8,检测效果更好。