一种飑线风风速预测方法技术

本发明专利技术公开了一种飑线风风速预测方法。本发明专利技术采用的技术方案为：S1)收集历史飑线样本，进行数据预处理和数据增广；S2)通过卷积神经网络学习和训练基于CNN的飑线判别模型，具体内容为：传入雷达反射率图片为数据，首先将图像以灰度图模式读取，提取其中的反射率因子，然后进行预处理，为最后训练形成的飑线判别模型预先提取重要特征，提高飑线判别模型精度，训练得到飑线判别模型；S3)利用飑线判别模型判别是否飑线，是则输出结果文件，否则回到步骤S3等待预测下一个雷达反射率图片。本发明专利技术采用卷积神经网络识别，能识别出快速变化的雷达实时图像，从而得出飑线风的实时风速，稳定可靠。

【技术实现步骤摘要】
一种飑线风风速预测方法
本专利技术涉及自然灾害预测方法，尤其是一种飑线风风速预测方法。
技术介绍
飑线风是由若干个雷雨云单体排列而形成一条狭长的雷暴雨带，属强对流天气范畴。通常，飑线经过的地方，风向急转，风速急剧增大，并伴有雷雨、大风、冰雹、龙卷等灾害性天气，具有突发性强、破坏力大的特点，往往使人们防不胜防。有时天空白云朵朵，转眼之间，滚滚乌云便压上头顶，接着雷电交加，大雨倾盆，狂风裹着冰雹袭来。现有的一些飑线风风速预测方法，不能快速有效地预测飑线风实时风速。
技术实现思路
有鉴于此，本专利技术提供一种飑线风风速预测方法，其采用卷积神经网络识别快速变化的雷达实时图像，从而得出飑线风的实时风速。为此，本专利技术采用如下的技术方案：一种飑线风风速预测方法，其包括步骤：S1：收集历史飑线风样本，进行数据预处理和数据增广；S2：通过卷积神经网络学习和训练基于CNN的飑线风判别模型，具体内容为：传入雷达反射率图片，首先将图像以灰度图模式读取，提取其中的反射率因子，然后进行以下预处理：1)图像以0.2的概率随机翻本文档来自技高网...

【技术保护点】
1.一种飑线风风速预测方法，其特征在于，包括步骤：/nS1：收集历史飑线样本，进行数据预处理和数据增广；/nS2：通过卷积神经网络学习和训练基于CNN的飑线风判别模型，具体内容为：传入雷达反射率图片，首先将图像以灰度图模式读取，提取其中的反射率因子，然后进行以下预处理：1)图像以0.2的概率随机翻转；2)对图像进行适当的膨胀腐蚀操作和扭曲操作，以实现对训练数据的增广操作；3)对图像进行阈值化处理，反射率小于40dbz的像元赋值为0，40dbz以上的像元保留；4)得到阈值化处理之后的图像，对其中的像素面积小于输入图像总面积0.06％的连通区域进行剔除操作，从而保留下主要信息；通过上述操作，为最后...

【技术特征摘要】
1.一种飑线风风速预测方法，其特征在于，包括步骤：
S1：收集历史飑线样本，进行数据预处理和数据增广；
S2：通过卷积神经网络学习和训练基于CNN的飑线风判别模型，具体内容为：传入雷达反射率图片，首先将图像以灰度图模式读取，提取其中的反射率因子，然后进行以下预处理：1)图像以0.2的概率随机翻转；2)对图像进行适当的膨胀腐蚀操作和扭曲操作，以实现对训练数据的增广操作；3)对图像进行阈值化处理，反射率小于40dbz的像元赋值为0，40dbz以上的像元保留；4)得到阈值化处理之后的图像，对其中的像素面积小于输入图像总面积0.06％的连通区域进行剔除操作，从而保留下主要信息；通过上述操作，为最后训练形成的飑线风判别模型预先提取重要特征，提高飑线风判别模型精度，最后训练得到飑线风判别模型；
S3：飑线风判别模型训练完毕后，输入需要预测的雷达反射率图片，首先对图像进行阈值化处理，小于40dbz的像元赋值为0，40dbz以上像元保留；其次对其中像素面积小于输入图像总面积0.06％的连通区域进行剔除操作，从而保留下主要信息；然后分别对图像进行水平、垂直、水平+垂直翻转操作，连同剔除操作后所得到的图像，共计4幅图，全部输入飑线风判别模型；利用飑线风判别模型判别是否飑线，得到四个结果，进行加权平均得到最终结果，是则输出结果文件，否则回到步骤S3等待执行下一张雷达反射率图片。


2.根据权利要求1所述的一种飑线风...

【专利技术属性】
技术研发人员：周象贤，郑昕，王少华，王振国，姜文东，刘岩，段静鑫，邵先军，李特，周路遥，李乃一，曹俊平，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，象辑知源武汉科技有限公司，
类型：发明
国别省市：浙江;33