一种基于XGBoost的气象雷达地物回波识别方法技术

本发明专利技术公开了一种基于XGBoost的气象雷达地物回波识别方法，包括以下步骤：步骤S1、选择输入XGBoost模型的雷达参数，雷达参数包括反射率因子、反射率因子纹理、差分反射率因子、回波强度沿径向的变化程度、径向速度的区域平均值和相关系数；步骤S2、对XGBoost模型进行初始化，确定初始的XGBoost模型的参数；步骤S3、输入气象雷达实测数据样本集，将气象雷达实测数据样本集分为训练集和测试集；步骤S4、运用训练集对初始的XGBoost模型进行贝叶斯优化，得到最终的XGBoost优化模型；步骤S5、将测试集输入XGBoost优化模型，进行迭代，当达到最大迭代次数或XGBoost优化模型的损失函数达到目标函数最优解时，停止迭代，完成最终的识别分类。本发明专利技术适应各种天气状况，能更加准确地识别地物回波。回波。回波。

【技术实现步骤摘要】
一种基于XGBoost的气象雷达地物回波识别方法


[0001]本专利技术涉及气象雷达信号处理
，特别是一种基于XGBoost的气象雷达地物回波识别方法。

技术介绍

[0002]气象雷达是天气探测的重要手段，广泛运用于云、雨、雪、雷暴、湍流等天气现象的观测，通过回波信息对气象目标进行分析。灾害天气的种类众多且频繁发生，易造成很高的经济损失，运用气象雷达对灾害天气进行监测和预报的研究工作具有非常重要的意义。在雷达探测所得回波中，含有相当一部分的地物回波，如果不对其鉴别，会导致雷达观测数据质量下降，影响气象目标的探测和识别。因此为了获取精确雷达数据以及保证雷达产品的质量，地物回波的识别方法研究非常重要。
[0003]Kessinger提出了一种雷达回波分类算法，首次通过雷达基础参数计算出特征参数，基于模糊逻辑的思想，对气象回波进行识别。Cluckie等人提出了贝叶斯识别算法与模糊逻辑相结合的方法，进行识别分类。在Kessinger提出的模糊逻辑方法的基础上，刘黎平等提出了分布式识别地物的方法，采用了Kessinger提出方法相同的特征参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost的气象雷达地物回波识别方法，其特征在于，包括以下步骤：步骤S1、选择输入XGBoost模型的雷达参数，雷达参数包括反射率因子、反射率因子纹理、差分反射率因子、回波强度沿径向的变化程度、径向速度的区域平均值和相关系数；步骤S2、对XGBoost模型进行初始化，确定初始的XGBoost模型的参数；步骤S3、输入气象雷达实测数据样本集[x
i
,y
i
]，其中x
i
为第i个气象雷达参数，其大小为m维的向量，y
i
为第i个气象数据样本的标签，将气象雷达实测数据样本集分为训练集和测试集；步骤S4、运用训练集对初始的XGBoost模型进行贝叶斯优化，得到最终的XGBoost优化模型；步骤S5、将测试集输入XGBoost优化模型，进行迭代，当达到最大迭代次数或XGBoost优化模型的损失函数达到目标函数最优解时，停止迭代，完成最终的识别分类。2.根据权利要求1所述的一种基于XGBoost的气象雷达地物回波识别方法，其特征在于，步骤S4中贝叶斯优化具体如下：步骤S41、对贝叶斯优化模型进行初始化，将XGBoost模型中待优化的参数输入贝叶斯模型，初始化种群P(0)，令进化代数t＝0；步骤S42、从第t次迭代的种群P(t)中选择第t次迭代的候选解S(...

【专利技术属性】
技术研发人员：张舒娜，汪玲，朱岱寅，周晔，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：