基于SVM和雷达回波反射率的雹云模型识别研究

为了提高基于支持向量机(Support Vector Machine,SVM)的大雨、冰雹模型的分类准确率,利用SVM分类方法与雷达回波反射率图像相结合的方法建立模型。提取雹云图像与大雨图像的的特征数据进行筛选,分别求出它们的和、中位数与方差,组成的三维识别向量作为SVM模型判别的变量数据训练模型。利用该模型对已有样本进行测试,可得雹云判别模型的识别率较高,且判别误差率较低。结果表明,通过气象雷达反射率图像的回波强度数据与SVM分类模型相结合构造的雹云判别模型,具有较好的效果。

雷达回波中的降水量杂波识别技术研究

本文主要从地物杂波与降水回波的回波特征中,利用基数据提取出来的反射率因子及其方位和径向上的坐标来计算特征量沿径向的变化程度SPIN、径向速度的平均值MDVE、回波强度的纹理TDBZ、沿径向方向的变号SIGN,并对这些特征量利用隶属函数进行模糊化处理,从而得到判读地物回波和气象回波的判据,达到提出地物杂波的目的。文中主要根据西南区域雷达的数据进行分析,发现算法对于地物杂波的剔除有一定的效果,识别的结果初步合理,但还需要进一步的验证效果并对算法进行进一步的改进。

基于FCM聚类算法的雹云识别模型

冰雹是气象的主要灾害之一.冰雹云的发生发展具有突发性,移动迅速,生命史短等特点,这些特点使人工预报冰雹非常困难.本文利用FCM聚类算法与新疆维吾尔自治区阿克苏地区的雹云反射率图像相结合.首先将冰雹反射率图像由RGB转换到灰度空间,然后计算各强度的面积所占比例,根据冰雹图像的测度特征,计算得到各强度均值、方差、偏度和峰度,根据这四项指标作为FCM聚类算法样本数据库.利用此聚类算法对已有样本进行测试,检验结果表明:FCM聚类算法能够较好的识别降雹和非降雹,判别误差较小,具有一定的参考价值.

基于聚类分析的冰雹预测研究

冰雹是我国频发的气象灾害之一,冰雹云的预测是对强对流天气的重点监测对象,文中所采用的信息源图像为雷达回波反射率图像。主要从冰雹云的形态特征、基本反射率因子这两个方面进行分析计算,运用MATLAB程序提取出可能出现降雹的有效区域,进行聚类分析判别,识别出雹云单体所在的有效区域。通过对训练样本的聚类归纳总结,基于对降雹云单体的形态特征、反射强度研究的一般规律,建立判别函数。在此模型基础之上,计算出反射强度值大于45 dBZ可能出现降雹区域的概率,从中获取一个参数值,当概率大于这个预定的参数值时,则可能出现降雹天气。通过仿真实验结果表明,此模型对冰雹云的预测有良好的判别效果,可以应用到实际生活中去,做到提前预警,减少经济损失。

基于ELM与BP神经网络的新疆雹云预测与识别

冰雹是一种强烈的自然灾害,为了提前对冰雹进行预测,提出了一种BP神经网络做预测,极限学习机做识别的预测方法.方法以雷达回波反射率图像的均值、方差、熵为判别指标,首先训练好能够分类云层特征的极限学习机,其次结合雹云形成过程,使用经过较大样本训练的BP神经网络对未来30分钟数据预测,最后使用经过训练的极限学习机进行云层的类型判别.实验结果表明,BP神经网络能够平均提前5-20分钟预测出降雹,具有较好的预测效果.