一种基于卡尔曼滤波台风过程电离层异常探测方法技术

本发明专利技术公开了一种基于卡尔曼滤波台风过程电离层异常探测方法，在台风期间电离层TEC呈现显著异常，通过卡尔曼滤波这一特殊方法可以有效的来探测台风期间电离层的异常情况；所述卡尔曼滤波是用状态空间法来描述系统状态，用前一个状态的估计值和最近的一个观测数据来估计状态变量的当前值，并以状态变量的估计值的形式给出；然后进行卡尔曼滤波逐步递推，通过递推值和观测值可利用预报残差统计量法和电离层扰动指数法对k时刻的电离层TEC观测值进行异常判别。通过研究发现，卡尔曼滤波法探测精度较高且基本不受电离层背景值时间窗口长度的影响。

【技术实现步骤摘要】
一种基于卡尔曼滤波台风过程电离层异常探测方法
本专利技术涉及一种电离层异常探测方法，特别是涉及一种基于卡尔曼滤波台风过程电离层异常探测方法。
技术介绍
台风是全球发生频率高、影响严重的一种自然灾害，是当今全球人类面临的重大自然灾害。台风(泛指热带气旋,包括热带低压、热带风暴、强热带风暴、台风、强台风和超强台风，下同)因其灾害的严重性,而倍受人们的关注。全球每年约发生80次破坏力极强的台风，每年造成约1.5-2万人死亡，60-70亿美元经济损失。显然,台风来临的预估，对于提高防台减灾策略的针对性和效率具有重要意义。台风领域的科学家大都采用GM(1，1)和IRI电离层模型法来检验电离层TEC情况对台风的情况进行预报，以减轻台风的发生带来的损失。但是从目前的研究成果过来看，对于台风发生及其过程的研究并不能很好的预测台风路径及其过程。通过研究发现，台风过程会引起大气中电离层TEC的异常，而电离层的异常具有复杂性和不确定性，选择何种方法成为准确描述台风过程的关键。
技术实现思路
本专利技术的目的是为了解决现有技术的不足，提供一种基于卡尔曼滤波台风过程电离层异常探测方法，采用卡尔曼滤波技术对台风过程电离层的异常进行探测，经过实验研究，试验结果达到预期效果，为研究台风预报提供一种新的计算方法。本专利技术采用的技术方案是：一种基于卡尔曼滤波台风过程电离层异常探测方法，所述台风过程电离层异常运用卡尔曼滤波法通过预报残差统计量法和电离层扰动指数法对电离层的异常进行探测；所述通过预报残差统计量法判断电离层异常的方法为：式中，c为单位正态随机量的分位数，根据显著性水平α来确定，实际应用中取3或4；Hk为k时刻观测矩阵；Pk/k-1为状态协方差阵预报值；为k时刻观测噪声第i个分量的方差；如果式(1)成立，则判断Lk(i)是正常的，否则为异常，其异常值为εk；所述电离层扰动指数法的计算方法包括：式中，Lk为K时刻的测量值；为状态预报值；若DIl＜DIk＜DIu，则表明电离层未发生扰动，否则相反，其中DIl、DIu将由历史数据采用数理统计方法确定其经验值。作为优选，所述卡尔曼滤波由状态方程和观测方程组成，其离散形式分别为：Xk＝AXk-1+BUk-1+Wk-1(3)Lk-1＝Hk-1Xk-1+Vk-1(4)式中，Xk是k时刻的系统状态；Uk-1是k-1时刻对系统的控制量，如果没有状态控制量，则Uk-1＝0；A和B是系统参数，分别为转移矩阵和灵敏系数矩阵；Lk-1是k-1时刻的测量值；Hk-1为k-1时刻观测矩阵；Wk-1和Vk-1为过程和测量噪声；所述过程噪声Wk-1和测量噪声Vk-1，其中Wk-1和Vk-1满足如下统计特性：E(Wk-1)＝0,E(Vk-1)＝0(5)Cov(Wk-1,Wj-1)＝Qk-1δ(k-1)(j-1)(6)Cov(Vk-1,Vj-1)＝Rk-1δ(k-1)(j-1),Cov(Vk-1,Vj-1)＝0(7)式中，Qk和Rk分别为动态噪声和观测噪声的方差阵；δkj是Kronecker，得：卡尔曼滤波属于最小均方差估计，其一般解由广义最小二乘估计、线性最小方差估计方法推导；所述卡尔曼滤波最小均方差估计一般解的递推公式为：状态预报：状态协方差阵预报：Pk/k-1＝APk-1/k-1A'+Qk-1(10)状态估计：其中Gk为卡尔曼增益(KalmanGain)：Gk＝Pk/k-1H'k(HkPk/k-1H'k+Rk)-1(12)状态协方差阵估计：Pk＝(1-GkHk)Pk/k-1(13)初始状态条件为：在给定初始值和后，即可依据式(9)、式(13)进行递推计算，实现滤波预测。作为优选，利用所述预报残差统计量法所得到的电离层异常判别方程的得出需要以下步骤：k时刻预报残差向量为：在零假设下，Vk是零均值高斯随机量，其方差矩阵为：E[VkVk']＝HkPk/k-1H'k+Rk(16)通过式(15)、式(16)便可利用预报残差统计量对Lk的每个分量Lk(i)进行判别，得到式(1)所示的判别式，如果式(1)成立，则判断Lk(i)是正常的，否则为异常，其异常值为εk。作为优选，通过所述电离层扰动指数法判别电离层异常的步骤为：电离层TEC扰动指数DI(t)，它为电离层观测值TEC0(t)与偏离背景值TECm(t)的相对值，如式(17)所示：式中为观测时刻t的电离层TEC的预测值，通过卡尔曼滤波预测计算得到；DIl＜DIk＜DIu(18)当扰动指数满足式(18)时，表明电离层未发生扰动，否则相反。本专利技术的有益效果：在台风期间电离层TEC呈现显著异常，通过卡尔曼滤波这一特殊方法可以有效的来探测台风期间电离层的异常情况。所述卡尔曼滤波是用状态空间法来描述系统状态，用前一个状态的估计值和最近的一个观测数据来估计状态变量的当前值，并以状态变量的估计值的形式给出；然后进行卡尔曼滤波逐步递推，通过递推值和观测值可利用预报残差统计量法和电离层扰动指数法对k时刻的电离层TEC观测值进行异常判别。通过研究发现，卡尔曼滤波法探测精度较高且基本不受电离层背景值时间窗口长度的影响。附图说明图1为本专利技术基于卡尔曼滤波的电离层异常判别流程图。图2为本专利技术基于卡尔曼滤波的预报残差统计量法判别电离层异常示意图。图3为本专利技术基于卡尔曼滤波的扰动指数法判别电离层异常示意图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细描述。如图1所示为所述基于卡尔曼滤波台风过程电离层异常探测方法，所述台风过程电离层异常可运用卡尔曼滤波法通过预报残差统计量法和电离层扰动指数法对电离层的异常进行探测。所述卡尔曼滤波由状态方程和观测方程组成，其离散形式分别为：Xk＝AXk-1+BUk-1+Wk-1(3)Lk-1＝Hk-1Xk-1+Vk-1(4)式中，Xk是k时刻的系统状态；Uk-1是k-1时刻对系统的控制量，如果没有状态控制量，则Uk-1＝0；A和B是系统参数，分别为转移矩阵和灵敏系数矩阵；Lk-1是k-1时刻的测量值；Hk-1为k-1时刻观测矩阵；Wk-1和Vk-1为过程和测量噪声。所述基于卡尔曼滤波台风过程电离层异常探测方法的进一步设计在于，所述过程噪声Wk-1和测量噪声Vk-1，其中Wk-1和Vk-1满足如下统计特性：E(Wk-1)＝0,E(Vk-1)＝0(5)Cov(Wk-1,Wj-1)＝Qk-1δ(k-1)(j-1)(6)Cov(Vk-1,Vj-1)＝Rk-1δ(k-1)(j-1),Cov(Vk-1,Vj-1)＝0(7)式中，Qk和Rk分别为动态噪声和观测噪声的方差阵；δkj是Kronecker，得：卡尔曼滤波属于最小均方差估计，其一般解可由广义最小二乘估计、线性最小方差估计等方法推导。所述基于卡尔曼滤波台风过程电离层异常探测方法的进一步设计在于，所述卡尔曼滤波最小均方差估计一般解的递推公式为：状态预报：状态协方差阵预报：Pk/k-1＝APk-1/k-1A'+Qk-1(10)状态估计：其中Gk为卡尔曼增益(KalmanGain)：Gk＝Pk/k-1H'k(HkPk/k-1H'k+Rk)-1(12)状态协方差阵估计：Pk＝(1-GkHk)Pk/k-1(13)初始状态条件为：在给定初始值和后，即可依据式(9)、式(13)进行递推计算，实现滤波预测。如图2所示为通过预报残差本文档来自技高网...

【技术保护点】
一种基于卡尔曼滤波台风过程电离层异常探测方法，其特征在于：所述台风过程电离层异常运用卡尔曼滤波法通过预报残差统计量法和电离层扰动指数法对电离层的异常进行探测；所述通过预报残差统计量法判断电离层异常的方法为：

【技术特征摘要】
1.一种基于卡尔曼滤波台风过程电离层异常探测方法，其特征在于：所述台风过程电离层异常运用卡尔曼滤波法通过预报残差统计量法和电离层扰动指数法对电离层的异常进行探测；所述通过预报残差统计量法判断电离层异常的方法为：式中，c为单位正态随机量的分位数，根据显著性水平α来确定，实际应用中取3或4；Hk为k时刻观测矩阵；Pk/k-1为状态协方差阵预报值；为k时刻观测噪声第i个分量的方差；如果式(1)成立，则判断Lk(i)是正常的，否则为异常，其异常值为εk；所述电离层扰动指数法的计算方法包括：式中，Lk为K时刻的测量值；为状态预报值；若DIl＜DIk＜DIu，则表明电离层未发生扰动，否则相反，其中DIl、DIu将由历史数据采用数理统计方法确定其经验值。2.根据权利要求1所述的一种基于卡尔曼滤波台风过程电离层异常探测方法，其特征在于：所述卡尔曼滤波由状态方程和观测方程组成，其离散形式分别为：Xk＝AXk-1+BUk-1+Wk-1(3)Lk-1＝Hk-1Xk-1+Vk-1(4)式中，Xk是k时刻的系统状态；Uk-1是k-1时刻对系统的控制量，如果没有状态控制量，则Uk-1＝0；A和B是系统参数，分别为转移矩阵和灵敏系数矩阵；Lk-1是k-1时刻的测量值；Hk-1为k-1时刻观测矩阵；Wk-1和Vk-1为过程和测量噪声；所述过程噪声Wk-1和测量噪声Vk-1，其中Wk-1和Vk-1满足如下统计特性：E(Wk-1)＝0,E(Vk-1)＝0(5)Cov(Wk-1,Wj-1)＝Qk-1δ(k-1)(j-1)(6)Cov(Vk-1,Vj-1)＝Rk-1δ(k-1)(j-1),Cov(Vk-1,Vj-1)＝0(7...

【专利技术属性】
技术研发人员：柯福阳，李跟旺，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32