基于基数排序及属性约简的雷电预报因子提取方法

雷电预报因子筛选是构建雷电预报模型的关键,也是提高雷电预报准确度的一个瓶颈问题。本文提出了一种基于粗糙集正域属性约简的雷电预报因子提取方法,该方法采用基数排序方法快速求解决策表的正域,引入可分辨度概念度量属性的重要性,提出了基于可分辨度的核属性与非核属性的提取方法,设计了相应的面向雷电预报因子提取的属性约简算法。真实气象数据集测试结果表明,该方法能有效提取最小集合的雷电预报因子,并较以往方法具有更好的性能。

基于决策树和粗糙集的高分辨率短时临近雷电预报模型

雷暴天气造成众多人员伤亡及巨大经济损失,给人类社会带来极大危害,目前对高分辨率短时临近的雷暴天气的预报研究比较少。决策树有描述简单、分类速度快、易于理解、精度较高等优点,特别适合大规模的数据处理。根据气象数据的超高维而实际样本数又是有限的,并且很多属性是线性相关的特点,本文提出运用粗糙集进行属性约简,降低问题的复杂度,然后用决策树对约简后的样本进行模式识别。本文基于江西省的雷电活动设计出高分辨率雷电临近预报方案。通过实验表明本文所提出的预报模型比原有的SVM预报模型有更高的预报准确度。

基于多机器学习竞争策略的短时雷电预报

传统的雷电数据预测方法往往采用单一最优机器学习算法,较少考虑气象数据的时空变化等现象。针对该现象,提出一种基于集成策略的多机器学习短时雷电预报算法。首先,对气象数据进行属性约简,降低数据维度;其次,在数据集上训练多种异构机器学习分类器,并基于预测质量筛选最优基分类器;最后,通过对最优基分类器训练权重,并结合集成策略产生最终分类器。实验表明,该方法优于传统单最优方法,其平均预测准确率提高了9.5%。

基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型

利用卷积神经网络和门控循环单元(Gated recurrent units)神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型(Attention-ConvGRU);然后将雷达反射率因子数据和对应时间段(6 min)的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型:单雷电数据模型、单雷达数据模型和雷电-雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数(Critical Success Index,CSI)为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程(A类雷暴)的预报效果优于不具有明显移动趋势的雷暴过程(B类雷暴),且随着B类雷暴强度减弱模型预报能力逐渐减弱。

基于气象卫星观测资料的雷电预报指标研究

本文利用风云二号静止卫星获得的红外通道观测资料相当黑体温度TBB,对南京及其周边地区2009-2010年出现的16次雷暴天气过程进行了研究。结果表明:雷暴云中心冷云顶降温率达到10℃/h,并且冷云顶亮温TBB在-33℃以下时,雷暴云中会有闪电发生;雷暴云中心冷云顶到对流云区边界的温度梯度达到0.65℃/km是雷暴得以快速发展加强重要指标;各种参数指标相互配合可以为雷电预报提供有力的理论依据。

基于机器学习的雷电预报研究

高准确率的雷电预报,有助于降低雷电带来的灾害,从而减少雷电造成的损失,所以如何提高雷电预报准确率具有重要的现实意义。为了提高支持向量机(SVM)算法的分类效果,引入了灰狼优化算法(GWO),利用GWO算法的全局优化能力优化SVM的c和σ,从而提高SVM分类的准确性。由于采集的雷电数据属性较多,采用主成分分析(PCA)方法对属性进行约简,获得能够反映雷电情况的主要影响因子,作为GWO-SVM的输入数据,GWO-SVM的输出为雷电发生情况。最后建立了雷电预报仿真实验,实验对比结果现实,在相同的实验参数及实验数据情况下,GWO-SVM方法相比于传统的其他3种算法具有更高的雷电预报准确率;相比于前人所作研究,所提方法也具有更高的雷电预报准确率;验证了所提雷电预报方法的可靠性。

关于黑龙江省雷电预报的几点思考

介绍了雷电的形成原理,分析了黑龙江省雷电发生的集中天气形式,并在此基础上,概括了雷电几种形式,并提出了雷电预报的服务措施。

BP神经网络在雷电预报中的应用

利用2013—2017年闪电定位、探空和地面观测等数据,以浙江省苍南县为例,构建BP神经网络模型,通过相关性分析筛选预报因子和主成分分析降维得到3个主成分作为输入量,以2013—2016年5—9月8:00—20:00数据作为训练样本,开展网络模型的学习训练,并对2017年5—9月8:00—20:00进行雷电预报,结果表明,通过相关性分析和主成分分析可以有效减少网络模型的输入量;构建的BP神经网络模型雷电预报正确率76.3%,漏报率25%,预报正确率高漏报少,表明其在雷电预报中具有一定的运用价值。

青海牧区雷电预报预警工作现状研究

随着全球气候变暖现象不断加剧，各种极端天气气候事件频繁出现，雷电活动强度、频率和危害程度均呈现逐年增加的趋势。基于此，本文首先简要概述了青海省雷暴日数分布特征，其次分析了青海牧区雷电预报预警工作现状，最后提出了几点牧区防雷减灾的对策，仅供相关部门参考。

基于机器学习技术的黄山风景区及周围雷电临近预报方法

为探究影响山岳型景区雷电发展的关键因素,实时掌握黄山风景区及周围雷电发展趋势,采用多普勒天气雷达、气象探空、闪电定位等多种监测数据,根据雷电发生基本物理原理,从系统强度、旺盛程度和移动趋势3个方面提取雷达回波特征作为关键预报因子,基于多种机器学习算法建立了雷电临近预报模型,结果表明:随机森林(RF)、逻辑回归(LR)、K-临近(KNN)、贝叶斯(GNB)、支持向量机(SVM)5种机器学习算法均对雷电具有一定临近预报能力,RF的TS最高,SVM漏报率最低,LR空报率最低;在RF算法中雷暴系统强度和发展旺盛程度两类因子起主要作用,其中作用最大的是雷暴系统强度中-20℃层高度雷达基本反射率,其次是0℃层以上回波厚度。

基于FY-4A卫星和随机森林算法的西藏山南市雷电短临预报方法

针对青藏高原地区雷电短临预报缺乏雷达资料的问题,采用FY-4A卫星多通道数据、欧洲中心第5代再分析资料(ERA5)中的对流指数、闪电定位仪资料等多源监测数据,根据雷电的发生、发展机理,提出了18个关键预报因子,利用随机森林算法建立了适用于西藏山南地区的雷电短临预报模型。统计分析各预报因子在有无雷电天气样本中的概率密度分布与随机森林模型得到的特征重要度指标,结果表明提出的预报因子物理意义明确,建立的模型可信度较高。利用随机森林算法分别对未来10 min、20 min、30 min建立雷电预报模型,并与光流外推预报方法进行对比检验,结果表明:随机森林模型预报效果命中率(POD)、临界成功指数(CSI)均高于光流法,空报率(FAR)也相对较低;未来20 min的随机森林预报模型CSI评分最高,整体预报效果最佳。

基于潜势预报和雷达回波特征的雷电预报方法

针对现阶段仅依靠探空资料和潜势预报无法精准地预测雷电高发地区的现状,提出了一种基于潜势预报和雷达回波特征的雷电预报方法。首先采用L1正则化法筛选雷电预报因子,然后对3 h的潜势预报模型进行BP神经网络训练;在此基础上,利用潜势预报结果和雷达回波特征进行二次训练,构建30 min的临近预报模型;最后运用一次典型的雷暴过程进行方法检验,结果表明当概率阈值超过0.4时,临近预报的TS评分明显高于潜势预报。该雷电预报方法在空间精度和时间频率上均有明显提升,对提高雷电预报的准确率具有重要的作用。

利用闪电定位和雷达资料进行雷电临近预报方法研究

利用LD-Ⅱ型闪电定位系统监测到的雷电资料和多普勒天气雷达探测到的风暴信息,研究雷电临近预报方法。叠加分析雷电集中区与风暴,雷电集中区一般对应有风暴,并且雷电集中区中心在风暴中心附近,二者移动方向基本一致,移速接近,因此通过匹配雷电集中区与风暴,采用雷电集中区将随其所匹配的风暴一起移动的思路,利用风暴追踪技术,对雷电集中区进行临近外推,从而实现雷电的临近落区预报。通过对2009年强雷电天气的临近预报结果进行网格点对点评分,雷电半小时预报命中率达到87%,成功率为63%。1小时预报命中率达到76%,成功率为51%。为雷电的临近预报提供了一套可业务运行的新方法。

OPTICS算法在雷电临近预报中的应用

针对密度分布不均的雷电定位资料,提出了一种基于OPTICS聚类算法的雷电临近预警模型。该模型运用OPTICS算法对雷暴天气连续时段的雷电定位资料进行聚类分析,有效剔除了影响雷暴云分布的稀疏点。在聚类分析结果基础上,利用"膨胀-侵蚀"算法还原雷暴云真实分布,根据雷暴云的移动趋势进行雷电落区预报。此外,针对传统预测算法运行时间长的缺陷,运用邻接表改进了OPTICS算法,且优化了可达队列更新策略。实验结果表明,基于改进的OPTICS算法所构建的雷电临近预报模型降低了算法运行时间,同时提高了雷电预报模型适应能力及预测的准确率。

基于BP神经网络模型的雷电潜势预报

为了使用神经网络较好地解决在雷电潜势预报中常见的非线性问题，本文通过计算南京地区2008年6～8月46个对流参数与雷电发生的相关系数，选取了与雷电发生关系较好的刀、SI、CIN等7个对流参数作为BP神经网络的输入因子。利用2008年的资料所建立的BP神经网络模型，预报了南京地区2009年6～8月的雷暴活动潜势，结合实际雷暴发生情况，得到此模型的POD为80．9％，FAR为9．5％，CSI为74．5％，PDFD为2．9％，FOM为19．1％。表明该BP模型预报准确率较高，性能稳定，有较好的推广价值。

地基微波辐射计观测资料在一次雷电潜势预报中的应用分析

在利用对流参数建立湖北省雷电潜势预报的基础上,重点研究地基微波辐射计资料在改进雷电潜势预报中的应用价值,继而修正对流参数及其阈值区间,由此建立一种可通过后续参数订正实现的雷电短期潜势预报方法。首先对2013年4月29日一次西南涡东移造成的雷电过程中地基微波辐射计资料的可靠性进行了分析,继而通过比较基于单一数值模式和微波辐射计资料计算的不稳定参数与雷电活动的相关性后发现,85%以上的雷电样本活跃在K指数≥33℃、T850-500≥23℃、A指数≥10℃和ΔTd850≤3℃等指数范围内,而微波辐射计资料计算的6个不稳定指数显示,与雷电密集区对应的指数中,和雷电相关性较高的K指数、T850-500、A指数分别为35℃、25℃和12℃,使用两种阈值分别对雷电潜势预报方程中的预报因子进行0,1化。个例检验效果表明地基微波辐射计在改进雷电潜势预报落区和概率方面有一定参考作用。

逐步消空法在上海雷电潜势预报中的应用

利用上海地区1999—2007年的探空资料、地面观测资料和历史天气图资料,从雷暴发生的形势场入手,分析上海地区雷暴主要类型。选取合理、适当的对流参数对于短时局地强雷雨天气的潜势预测、强度判别是有指示意义的。利用天气型、K指数、沙氏指数以及对流有效位能作为预报因子,采用逐步消空法找出雷暴识别指标集合,变小概率事件为条件概率下的大概率事件,进而提高雷电潜势预报准确率。

雷电临近预报方法在输电线路雷击预警中的应用初探

为了探讨雷电临近预报方法在输电线路雷击预警中的应用,以2013年湖北省宜昌地区一次电力线路雷击灾害事件为例,基于高分辨实时雷达资料和二维闪电定位资料,建立了一种雷电临近预报模型,从而实现对某一区域未来30 min雷电的临近预报;在此基础上,采用雷电预报区域和输电线路网格化方法,计算输电线路和临近雷电预报区域之间的距离,并实现输电线路雷击临近预警。该方法简单、实用,其预警结果可供电力部门进行输电线路雷击风险评估时参考,特别适合于电力部门使用推广。

基于相似预报法的宁夏雷电潜势预报业务系统

以宁夏雷暴、闪电观测资料和ECMWF、T213数值预报产品为基础,采用VB、VC语言和MS SQL Server数据库等编程技术,研制开发了基于相似预报法的宁夏雷电潜势预报业务系统。系统在客观形势相似和影响系统判别的基础上进行物理量相似离度分析,可提供0～168h环流形势和物理量相似预报结果,并以相似离度最小的前10(20)个最佳相似个例中的一个作为预报蓝本,以人机交互的方式完成0～12h雷电潜势预报的制作与分发,增强了雷电潜势预报的客观化和自动化;实现了历史雷电数据的查询、统计、输出、保存、添加入库及闪电信息的统计显示等功能,成为宁夏雷电潜势预报制作发布的主要工作平台。