A sandstorm prediction method based on improved Naive Bayesian CNN multi-objective classification algorithm is proposed. The research objects are \China's strong sandstorm sequence and its supporting data set\, \China's strong sandstorm sequence and its supporting data set\ and \China Land Regional Cloud Map (IR1)\. The invention firstly considers the ground factors of sand-dust storm occurrence, uses naive Bayesian algorithm to analyze the meteorological data collected by meteorological stations, and establishes a Sand-Dust Storm Prediction model; secondly, considering the influence of atmospheric movement on the occurrence of sand-dust storm, uses convolution neural network algorithm to analyze infrared satellite cloud images and establish a Sand-Dust Storm Prediction model; lastly, uses many methods; The target algorithm normalizes the output probabilities of two Sand-dust Storm Prediction models, and proposes a scalable Sand-dust Storm Prediction Method Based on improved Naive Bayesian CNN multi-objective classification algorithm. The algorithm and the prediction method of sandstorm provided by the invention comprehensively consider the influence of ground and atmospheric movement on the occurrence of sandstorm, and accord with the characteristics of sandstorm occurrence.
【技术实现步骤摘要】
一种基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测方法
本专利技术属于人工智能以及极端天气预测
,涉及沙尘暴的预测预报,特别涉及一种基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测方法。
技术介绍
在地球上的干旱地带,尤其是沙漠及其毗邻地区,常发生沙尘天气,严重的就是沙尘暴。这种自然现象自古而然,是特定的自然地理环境和气候条件使然。全世界只有欧洲未报导过发生沙尘暴,亚洲、非洲、美洲和澳大利亚都有沙尘暴,这和气候的长期且较有规律的和短期且比较无规律的变化有关。全球大面积干旱、沙漠化、洪水及冰冻等自然灾害对人类的威胁有频发和逐渐加重的趋势。根据联合国环境计划署公布,全球有35%的土地和20%的人口受到干旱、沙漠化的威胁。由此可见,沙尘暴已经对成为影响人类生存和发展的重要自然灾害。内蒙古中西部地区分布着6大沙漠和沙地,大部分地区地表干旱,降水少,冬春季多大风,是我国沙尘暴的主要源地之一。分析和研究该地区的沙尘暴对我国沙尘暴的研究和预测具有一定意义。因此,深入了解沙尘暴的发生规律和特点,分析研究各种天气气候因素对沙尘暴的影响以及沙尘暴的预测方法,较准确的预测沙尘暴,对防灾减灾,人民生活有着重要作用。随着沙尘暴的危害日益为广大民众、科研人员乃至政府决策机构所认识和重视,国内外针对中国北方沙尘暴的气候特征已做了不少研究,特别是近10年来我国科研人员对沙尘暴的地理分布和时间(尤其是年际和年代际)变化趋势进行了大量分析研究,由于所使用的资料、方法不尽相同,各人所得的结论也存在很大差异。卷积神经网络和朴素贝叶斯算法是非常重 ...
【技术保护点】
1.一种基于改进的Naive Bayesian‑CNN多目标分类算法的沙尘暴预测方法,其特征在于,首先,考虑到大气运动因素对沙尘暴产生的影响,建立基于卷积神经网络算法的沙尘暴预测模型,考虑到地面气象因素对沙尘暴产生的影响,建立基于朴素贝叶斯算法的沙尘暴预测模型,然后,运用多目标算法,对两个模型进行归一化,得到基于改进的Naive Bayesian‑CNN多目标分类算法的沙尘暴预测模型,最后,利用归一化得到的模型,求解在考虑地面气象因素和大气运动因素情况下的沙尘暴发生概率。
【技术特征摘要】
1.一种基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测方法,其特征在于,首先,考虑到大气运动因素对沙尘暴产生的影响,建立基于卷积神经网络算法的沙尘暴预测模型,考虑到地面气象因素对沙尘暴产生的影响,建立基于朴素贝叶斯算法的沙尘暴预测模型,然后,运用多目标算法,对两个模型进行归一化,得到基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测模型,最后,利用归一化得到的模型,求解在考虑地面气象因素和大气运动因素情况下的沙尘暴发生概率。2.根据权利要求1所述基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测方法,其特征在于,所述基于卷积神经网络算法建立沙尘暴预测模型的建立流程如下:步骤1:对红外卫星云图进行标记,并制作数据源;步骤2:设置卷积神经网络拓扑结构及超参数;步骤3:用训练集训练神经网络,建立预测模型;步骤4:用测试集测试预测模型,分析预测模型预测准确率。3.根据权利要求2所述基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测方法,其特征在于,所述步骤1中,卫星云图源自中国陆地区域云图(IR1),先将卫星云图格式转化为PNG,然后从中国强沙尘暴序列及其支撑数据集中找出站点数据,基于单站强沙尘暴标准,对查找出的站点数据进行分析,以每三十分钟为间隔,利用Hash函数对各个站点沙尘暴发生时间序列进行离散,分析各个时间点上沙尘暴等级,统计并分析所有站点在各个时间点上发生沙尘暴的最大强度,以时间为基准标记该时刻卫星拍摄的卫星云图,制作lmdb数据源,其中所述站点数据包括区站号、经度、纬度、年份、月份、日期、沙尘暴天气现象代码、沙尘暴开始时间、沙尘暴结束时间、能见度、十分钟平均最大风速、风向、极大风速。4.根据权利要求2所述基于改进的NaiveBayesian-CNN多目标分类算法的沙尘暴预测方法,其特征在于,所述步骤4中,测试流程为:步骤4.1:输入带标签的测试集数据;步骤4.2:输出预测值;步骤4.3:比较预测值和实际值,统计预...
【专利技术属性】
技术研发人员:仁庆道尔吉,李天成,李娜,邱莹,
申请(专利权)人:内蒙古工业大学,
类型:发明
国别省市:内蒙古,15
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。