【技术实现步骤摘要】
通过微波链路网格化自适应可变尺度反演大气能见度的方法
本专利技术涉及通过微波链路网格化自适应可变尺度反演大气能见度的方法，属于气象监测领域。
技术介绍
随着我国经济社会的快速发展，交通运输网络达到前所未有的发达水平，而低能见度对交通运输的造成十分恶劣的影响，大气能见度的反演是认识复杂条件下大气变化特征规律的关键和主要依据，也是能够促进交通安全决策的重要保证。目前广泛反演测量大气能见度的方法有目测法和仪器测量法，目测法往往带有很大的主观性，有测量者心理因素等众多干扰因素，测量比较粗略，测量结果往往误差大；仪器测量法虽然精度高，但受环境影响很大，需要人员定期维护校正，且分布不均匀，空间分辨率低。且目前广泛存在的反演大气能见度的方法均存在空间分布不均匀，而且时间上白天反演能见度研究发展较完善，在夜晚大气能见度的监测就存在局限性无法形成区域性反演大气能见度的完整体系。而在目前国家交通网络愈发达及完善的情况下，网格化系统化反演大气能见度的是十分重要以及必要的。
技术实现思路
专利技术目的：为了克服现有技术中...
【技术保护点】
1.一种通过微波链路网格化自适应可变尺度反演大气能见度的方法，其特征在于，包括如下的步骤：/n(1)，在监测区域根据区域大小合理划分网格，同时建立大尺度网格和小尺度网格，两套网格互相嵌套，每个大尺度网格有3×3个小尺度网格嵌套，将微波链路和网格进行尺度匹配，分别对大尺度网格和小尺度网格进行编码；/n(2)，对于大尺度网格使用随机森林算法判别大气能见度是否为500米进行分类训练，选择了与大气能见度最相关且数据易获得的四个特征，有：处理后的距离大尺度网格边最近的微波链路的微波信号衰减数据、站点空气质量数(AQI)、站点记录风速、相对湿度四个特征组成样本的特征向量，对输入输出数据...
【技术特征摘要】
1.一种通过微波链路网格化自适应可变尺度反演大气能见度的方法，其特征在于，包括如下的步骤：
(1)，在监测区域根据区域大小合理划分网格，同时建立大尺度网格和小尺度网格，两套网格互相嵌套，每个大尺度网格有3×3个小尺度网格嵌套，将微波链路和网格进行尺度匹配，分别对大尺度网格和小尺度网格进行编码；
(2)，对于大尺度网格使用随机森林算法判别大气能见度是否为500米进行分类训练，选择了与大气能见度最相关且数据易获得的四个特征，有：处理后的距离大尺度网格边最近的微波链路的微波信号衰减数据、站点空气质量数(AQI)、站点记录风速、相对湿度四个特征组成样本的特征向量，对输入输出数据集做数据预处理输入随机森林算法模型进行训练学习；
(3)，确定大气能见度小于500米的区域网格边界，在边界内实现小尺度自动转换，利用数据融合以及反演计算获得小尺度网格能见度，并以监测区域内小尺度网格计算得到的大气能见度数据绘图。
2.根据权利要求1所述的通过微波链路网格化自适应可变尺度反演大气能见度的方法，其特征在于，所述步骤(2)中，随机森林算法模型进行训练学习具体包含以下步骤：
(21)构建训练样本集{Yn},{Xn},其中n为已有样本数，Xn＝[Xn1,Xn2,Xn3,Xn4],Xn为第n个样本为选取的四个特征数据构成的向量，大气能见度标签的标签数据集Yn＝{y1，y2,y3,y4……},Xn为输入样本,Yn为输出样本，其中样本标签分为能见度500米以下和以上两类，将数据集X和标签集Y输入随机森林模型进行训练学习；
(22)获取训练集：从样本集X中的行、特征列两个维度上进行有放回的随机采样，得到训练数据集Xi，i＝1,2,…,n；
(23)对训练集进行学习，学习目标是使得损失函数最小：
其中ωm为第m棵决策树的权重，Gm(x)为第m棵决策树的分类结果。
(24)特征选取：根据样本数和特征数，用建立决策树的方法获取最佳分割特征，其中树桩点使用Gini指数进行特征选取，其中Gini指数公式如下：
其中K表示类别数，pk表示样本点属于第k类的概率。基尼指数Gini(X,A)表示经特征A＝a分割后集合X的不确定性。基尼指数数值越大，样本集合的不确定性也就越大，其中概率pK用极大似然估计计算：
其中|X|是样本的总数，|Ck|是X中属于第k类的样本子集。
在特征集中选取基尼指数Gini(D,A)最小的特征A生成树桩点，若Gini(D,A)
足够小，则生成决策树Gm(x)，否则重复特征选取步骤；
(25)对训...
【专利技术属性】
技术研发人员：杨涛，洪岱，郑鑫，师鹏飞，秦友伟，李振亚，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
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。