The invention discloses a method for marking a sample of a strong convective monomer, which mainly comprises a sample marking method for realizing a strong convective monomer. The process of realizing the marking of a strong convective monomer is as follows: firstly, the radar data and the convective weather are inputted, and the monomer is segmented and filtered, then the monomer tracking is realized. Finally, the monomer type is marked by the user, and the correlation between the monomer and the marker is given automatically according to the tracking result of the monomer. The type of all monomers. This method realizes the segmentation and tracking of strong convective monomers, and thus realizes the marking of strong convective monomers. It provides a feasible way to realize the marking of a large number of strong convective monomers.
【技术实现步骤摘要】
一种强对流单体样本的标记方法
本专利技术涉及气象学领域,特别涉及一种单体分割算法和一种基于光流法的单体跟踪算法以及基于以上分割算法和跟踪算法的人机交互式干预调整策略。
技术介绍
Hinton[1-2]等于2006年首次提出以深度神经网络为代表的深度学习技术,引起了学术界的关注之后,Krizhevsky[3]等于2012年构建深度卷积神经网络,在大规模图像分类问题上取得了巨大成功。深度学习主要是数据驱动的,其效果依赖于大量的标记样本,通过深度学习实现强对流单体的识别,需要大量的强对流单体的标记样本,现有标记方法存在以下不足:(1)需要手动分割单体,工作繁琐、标记结果受到人为因素影响。(2)需要收集数以万计的单体样本,工作量巨大。[参考文献][1]HintonGE,SalakhutdinovRR.Reducingthedimensionalityofdatawithneuralnetworks[J].science,2006,313(5786):504-507.[2]HintonGE,OsinderoS,TehYW.Afastlearningalgorithmfordeepbeliefnets[J].Neuralcomputation,2006,18(7):1527-1554.[3]KrizhevskyA,SutskeverI,HintonGE.Imagenetclassificationwithdeepconvolutionalneuralnetworks[C]//Advancesinneuralinformationprocessingsystems.20 ...
【技术保护点】
1.一种强对流单体样本的标记方法,其特征在于,包括以下步骤:步骤一、输入对流天气实况和一组连续体扫的雷达基数据,所述对流天气实况包括对流天气类型、发生结束时间、发生结束地点;以所述该组雷达基数据为原始数据,求取获得一组组合反射率图,记为第一组合反射率图;同时获得一组去除了0.5°仰角反射率后得到的组合反射率图,记为第二组合反射率图;并对上述得到的两组组合反射率图分别进行单体分割,从而得到单体;步骤二、对存在于第一组合反射率图而不存在于第二组合反射率图的单体进行超折射滤除,并以第一组合反射率图中保留的单体作为最终的单体分割结果;步骤三、通过光流法实现前后体扫时刻的单体跟踪,从而确定前后体扫时刻的单体是否关联;步骤四、对强对流单体进行标记:用户根据对流天气实况对一个体扫时刻的所有单体分别进行类型的标记,根据步骤三的跟踪结果自动给出与所标记单体相关联的所有单体的类型的标记,单体的类型包括强对流单体类型和非强对流单体类型,其中,所述强对流单体的类型包括:冰雹、短时强降水、雷雨大风、冰雹+短时强降水、冰雹+雷雨大风和冰雹+短时强降水+雷雨大风;将自动给出的标记结果中不符合对流天气实况的标记结果进 ...
【技术特征摘要】
1.一种强对流单体样本的标记方法,其特征在于,包括以下步骤:步骤一、输入对流天气实况和一组连续体扫的雷达基数据,所述对流天气实况包括对流天气类型、发生结束时间、发生结束地点;以所述该组雷达基数据为原始数据,求取获得一组组合反射率图,记为第一组合反射率图;同时获得一组去除了0.5°仰角反射率后得到的组合反射率图,记为第二组合反射率图;并对上述得到的两组组合反射率图分别进行单体分割,从而得到单体;步骤二、对存在于第一组合反射率图而不存在于第二组合反射率图的单体进行超折射滤除,并以第一组合反射率图中保留的单体作为最终的单体分割结果;步骤三、通过光流法实现前后体扫时刻的单体跟踪,从而确定前后体扫时刻的单体是否关联;步骤四、对强对流单体进行标记:用户根据对流天气实况对一个体扫时刻的所有单体分别进行类型的标记,根据步骤三的跟踪结果自动给出与所标记单体相关联的所有单体的类型的标记,单体的类型包括强对流单体类型和非强对流单体类型,其中,所述强对流单体的类型包括:冰雹、短时强降水、雷雨大风、冰雹+短时强降水、冰雹+雷雨大风和冰雹+短时强降水+雷雨大风;将自动给出的标记结果中不符合对流天气实况的标记结果进行手动更正。2.根据权利要求1所述强对流单体样本的标记方法,其特征在于:步骤一中,单体分割的步骤如下:步骤1)筛选n个种子区域:将以45dBZ为阈值,以80km2为面积阈值提取的连通域作为种子区域,分别标记为S1、S2、……、Sn-1、Sn;步骤2)筛选最大关注区域:用阈值分割法得到所有取值大于30dBZ的区域作为最大关注区域,分别标记为N1、N2、……、Nm-1、Nm,Ni中包含种子区域的个数为j,j≤n,1≤i≤m,若j≤1,则最大关注区域Ni表示为一个单体;否则,对最大关注区域Ni进行如下操作;步骤2-1)令该最大关注区域Ni中的种子区域长大形成k个单体核H,包括:从最大关注区域Ni的外围历经30dBZ、35dBZ和40dBZ三个值域到达种子区域边界,将其中阈值在40dBZ、35dBZ和30dBZ以上的区域分别记为种子区域的内核、中核和外核;单体核H的形成根据以下情况确定:1)若最大关注区域Ni的外核包含的种子区域数目小于2,则该最大关注区域Ni的外核形成了单体核H;2)若最大关注区域Ni的外核包含的种子区域数目不小于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。