一种基于Kmeans聚类的降水粒子识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于Kmeans聚类的降水粒子识别方法及装置，该方法包括：获取雷达观测数据的极化变量，极化变量包括水平反射率因子、差分反射率因子以及比差分传播相移；根据水平反射率因子和差分反射率因子的物理约束关系重构比差分传播相移，根据水平反射率因子、差分反射率因子以及重构后的比差分传播相移确定重构后的观测数据；采用模糊分类算法对重构后的观测数据进行降水粒子识别，获取第一识别结果；采用Kmeans聚类方法对第一识别结果进行二次分类，获取第二识别结果。本发明专利技术通过重构比差分传播相移，并采用Kmeans聚类方法进行二次分类，提高了降水粒子识别的准确度。提高了降水粒子识别的准确度。提高了降水粒子识别的准确度。

【技术实现步骤摘要】
一种基于Kmeans聚类的降水粒子识别方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种基于Kmeans聚类的降水粒子识别方法及装置。

技术介绍

[0002]双极化天气雷达的主要任务就是进行定量降水估计，不同的降水粒子与雷达观测变量的关系是不同的，如水平反射率因子，差分反射率因子因子，差分相位移以及比差分传播相移等，识别不同的降水粒子可以更好的进行定量降水估计，目前主流的降水粒子识别都是基于模糊逻辑分类的方法实现的，这些方法主要是基于单个雷达库进行的降水粒子分类，没有考虑周围雷达库的信息，当输入雷达观测值含有噪声时，那么输出的结果也会存在噪声，导致分类结果不准确。

技术实现思路

[0003]本专利技术目的在于，提供一种基于Kmeans聚类的降水粒子识别方法，以解决现有技术中对于含有噪声的降水粒子识别不准确的问题。
[0004]为实现上述目的，本专利技术提供一种基于Kmeans聚类的降水粒子识别方法，包括：
[0005]获取雷达观测数据的极化变量，所述极化变量包括水平反射率因子、差分反射率因子以及比差分传播相移；
[0006]根据所述水平反射率因子和所述差分反射率因子的物理约束关系重构所述比差分传播相移，根据所述水平反射率因子、所述差分反射率因子以及重构后的比差分传播相移确定重构后的观测数据；
[0007]采用模糊分类算法对所述重构后的观测数据进行降水粒子识别，获取第一识别结果；
[0008]采用Kmeans聚类方法对所述第一识别结果进行二次分类，获取第二识别结果。
[0009]优选地，在获取雷达观测数据的极化变量之前，还包括：
[0010]剔除所述水平反射率因子小于第一阈值、极化相关系数小于第二阈值和所述差分传播相移的绝对值大于第三阈值的值，获取所述雷达观测数据。
[0011]优选地，所述根据所述水平反射率因子和所述差分反射率因子的物理约束关系重构所述比差分传播相移，包括：
[0012]根据所述水平反射率因子和所述差分反射率因子的物理约束，并添加相应的物理约束系数确定所述重构后的比差分传播相移，具体计算如下：
[0013][0014]式中，表示重构后的比差分传播相移，Z
H
表示水平反射率因子，Z
DR
表示所述差分反射率因子，C、α、β分别表示相应的物理约束系数。
[0015]优选地，所述采用模糊分类算法对所述重构后的观测数据进行降水粒子识别，获取第一识别结果，包括：
[0016]所述重构后的观测数据中的变量包括，所述水平反射率因子、所述差分反射率因子、物理约束系数、所述重构后的比差分传播相移、观测数据的移动标准差、重构后的移动标准差以及移动窗口长度值；
[0017]根据所述重构后的观测数据设置隶属函数，计算所述重构后的观测数据中第i个变量对第j个降水粒子的隶属度，将所述重构后的观测数据中的各个变量对第j个降水粒子的隶属度进行加权平均，获取所述重构后的观测数据的合成值，根据所述合成值以及降水粒子的相态进行分类作为所述第一识别结果。
[0018]优选地，所述采用Kmeans聚类方法对所述第一识别结果进行二次分类，获取第二识别结果，包括：
[0019]将所述第一识别结果作为初始值，并将所述第一识别结果中的每一类作为待识别样本，计算所述待识别样本与预设类别之间的马氏距离，计算所述待识别样本的领域当前类别与所述预设类别之间的差异值，根据所述马氏距离和所述差异值构建代价函数；
[0020]采用控制系数控制所述代价函数的权重并更新样本类别，遍历所有样本，计算更新类别的样本数占总样本数的比例，若更新比例小于预设的阈值，则停止计算，获取所述第二识别结果。
[0021]本专利技术还提供一种基于Kmeans聚类的降水粒子识别装置，包括：
[0022]获取模块，用于获取雷达观测数据的极化变量，所述极化变量包括水平反射率因子、差分反射率因子以及比差分传播相移；
[0023]重构模块，用于根据所述水平反射率因子和所述差分反射率因子的物理约束关系重构所述比差分传播相移，根据所述水平反射率因子、所述差分反射率因子以及重构后的比差分传播相移确定重构后的观测数据；
[0024]第一识别模块，用于采用模糊分类算法对所述重构后的观测数据进行降水粒子识别，获取第一识别结果；
[0025]第二识别模块，用于采用Kmeans聚类方法对所述第一识别结果进行二次分类，获取第二识别结果。
[0026]优选地，还包括预处理模块，用于：
[0027]剔除所述水平反射率因子小于第一阈值、极化相关系数小于第二阈值和所述差分传播相移的绝对值大于第三阈值的值，获取所述雷达观测数据。
[0028]优选地，所述重构模块，还用于：
[0029]根据所述水平反射率因子和所述差分反射率因子的物理约束，并添加相应的物理约束系数确定所述重构后的比差分传播相移，具体计算如下：
[0030][0031]式中，表示重构后的比差分传播相移，Z
H
表示水平反射率因子，Z
DR
表示所述差分反射率因子，C、α、β分别表示相应的物理约束系数。
[0032]优选地，所述第一识别模块，还用于：
[0033]所述重构后的观测数据中的变量包括，所述水平反射率因子、所述差分反射率因子、物理约束系数、所述重构后的比差分传播相移、观测数据的移动标准差、重构后的移动标准差以及移动窗口长度值；
[0034]根据所述重构后的观测数据设置隶属函数，计算所述重构后的观测数据中第i个变量对第j个降水粒子的隶属度，将所述重构后的观测数据中的各个变量对第j个降水粒子的隶属度进行加权平均，获取所述重构后的观测数据的合成值，根据所述合成值以及降水粒子的相态进行分类作为所述第一识别结果。
[0035]优选地，所述第二识别模块，还用于：
[0036]将所述第一识别结果作为初始值，并将所述第一识别结果中的每一类作为待识别样本，计算所述待识别样本与预设类别之间的马氏距离，计算所述待识别样本的领域当前类别与所述预设类别之间的差异值，根据所述马氏距离和所述差异值构建代价函数；
[0037]采用控制系数控制所述代价函数的权重并更新样本类别，遍历所有样本，计算更新类别的样本数占总样本数的比例，若更新比例小于预设的阈值，则停止计算，获取所述第二识别结果。
[0038]相对于现有技术，本专利技术的有益效果在于：
[0039]获取雷达观测数据的极化变量，极化变量包括水平反射率因子、差分反射率因子以及比差分传播相移；根据水平反射率因子和差分反射率因子的物理约束关系重构比差分传播相移，根据水平反射率因子、差分反射率因子以及重构后的比差分传播相移确定重构后的观测数据；采用模糊分类算法对重构后的观测数据进行降水粒子识别，获取第一识别结果；采用Kmeans聚类方法对第一识别结果进行二次分类，获取第二识别结果，通过水平反射率因子、差分反射率因子以及比差分传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Kmeans聚类的降水粒子识别方法，其特征在于，包括：获取雷达观测数据的极化变量，所述极化变量包括水平反射率因子、差分反射率因子以及比差分传播相移；根据所述水平反射率因子和所述差分反射率因子的物理约束关系重构所述比差分传播相移，根据所述水平反射率因子、所述差分反射率因子以及重构后的比差分传播相移确定重构后的观测数据；采用模糊分类算法对所述重构后的观测数据进行降水粒子识别，获取第一识别结果；采用Kmeans聚类方法对所述第一识别结果进行二次分类，获取第二识别结果。2.根据权利要求1所述的基于Kmeans聚类的降水粒子识别方法，其特征在于，在获取雷达观测数据的极化变量之前，还包括：剔除所述水平反射率因子小于第一阈值、极化相关系数小于第二阈值和所述差分传播相移的绝对值大于第三阈值的值，获取所述雷达观测数据。3.根据权利要求2所述的基于Kmeans聚类的降水粒子识别方法，其特征在于，所述根据所述水平反射率因子和所述差分反射率因子的物理约束关系重构所述比差分传播相移，包括：根据所述水平反射率因子和所述差分反射率因子的物理约束，并添加相应的物理约束系数确定所述重构后的比差分传播相移，具体计算如下：式中，表示重构后的比差分传播相移，Z
H
表示水平反射率因子，Z
DR
表示所述差分反射率因子，C、α、β分别表示相应的物理约束系数。4.根据权利要求3所述的基于Kmeans聚类的降水粒子识别方法，其特征在于，所述采用模糊分类算法对所述重构后的观测数据进行降水粒子识别，获取第一识别结果，包括：所述重构后的观测数据中的变量包括，所述水平反射率因子、所述差分反射率因子、物理约束系数、所述重构后的比差分传播相移、观测数据的移动标准差、重构后的移动标准差以及移动窗口长度值；根据所述重构后的观测数据设置隶属函数，计算所述重构后的观测数据中第i个变量对第j个降水粒子的隶属度，将所述重构后的观测数据中的各个变量对第j个降水粒子的隶属度进行加权平均，获取所述重构后的观测数据的合成值，根据所述合成值以及降水粒子的相态进行分类作为所述第一识别结果。5.根据权利要求4所述的基于Kmeans聚类的降水粒子识别方法，其特征在于，所述采用Kmeans聚类方法对所述第一识别结果进行二次分类，获取第二识别结果，包括：将所述第一识别结果作为初始值，并将所述第一识别结果中的每一类作为待识别样本，计算所述待识别样本与预设类别之间的马氏距离，计算所述待识别样本的领域当前类别与所述预设类别之间的差异值，根据所述马氏距离和所述差异值构建代价函数；采用控制系数控制所述代价函数的权重并更新样本类别，遍历所有样本，计算更新类别的样本数占总样本数的比例，若更新...

【专利技术属性】
技术研发人员：陈生，刘陈帅，
申请(专利权)人：中山大学，
类型：发明
国别省市：