基于检验评估的强对流天气预警方法技术

本发明专利技术公开了一种基于检验评估的强对流天气预警方法，S1，依据卷积神经深度学习预报方法、随机森林数值模式预报方法分别预报0

【技术实现步骤摘要】
基于检验评估的强对流天气预警方法


[0001]本专利技术涉及降水预报
，尤其是涉及基于检验评估的强对流天气预警方法。

技术介绍

[0002]20世纪80年代以来，随着气象探测能力和数值模拟技术的发展，国内外气象学者基于卫星、雷达等多源资料和数值预报产品，在强对流监测和预报预警技术方面开展了大量研究工作。传统对流云外推预报技术包括区域追踪和单体追踪，多采用交叉相关法（如TREC算法）和SCIT、TITAN等算法。近年来光流法也被应用于对流风暴临近预报中，但算法存在外推误差不断累积增大、强对流单体容易跟丢、无法预报对流系统的生消、回波可预报时效短等局限性。强对流具有高度非线性的复杂变化趋势，基于大数据分析和人工智能技术开展对流识别和外推预报是目前的发展趋势。近年利用ConvLSTM、随机森林等机器学习算法，河南省开展了对流识别和临近预报技术研究，生成了最优预报模型，试验结果表明，算法能有效提高0
‑
2h分类强对流天气的预报预警效果。由于各类强对流的环境参数特征存在明显差异，因此基于常规观测和探空资料以及数值模式等资料，归纳雷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于检验评估的强对流天气预警方法，其特征在于：包括以下步骤：S1，依据卷积神经深度学习预报方法、随机森林数值模式预报方法分别预报0
‑
2小时雷暴大风和短时强降水预报；S2，依据多模式模糊评价预报方法、多模式邻域最优百分位订正预报方法分别预报0
‑
12小时雷暴大风、短时强降水预报；S3，每间隔一定时间，计算一次过去预设时间段内不同所述预报方法预报的命中率和空报率；S4，以命中率优先，结合空报率计算各预报方法的总排序，选择命中率最高、空报率较低的预报方法为当前预报方法。2.根据权利要求1所述的基于检验评估的强对流天气预警方法，其特征在于：所述卷积神经深度学习预报方法包括：S1.1.1，依据对流单体雷达信息及云内特征值，构建面积重叠算法的判识函数，并结合CNN图像识别技术，追踪识别风暴单体；S1.1.2，利用机器学习的卷积神经网络结合长短记忆模型算法，将前后时次的光流场、雷达反射率及图片信息进行深度学习训练进行0
‑
2小时雷暴大风和短时强降水预报。3.根据权利要求1所述的基于检验评估的强对流天气预警方法，其特征在于：所述随机森林数值模式预报方法包括：S1.2.1, 基于灾害性天气历史数据库，建立短时强降水、雷暴大风卫星、雷达临近预报因子库；S1.2.2，结合中尺度数值模式各因子的统计值...

【专利技术属性】
技术研发人员：崔丽曼，苏爱芳，张宁，张渊萌，武文博，
申请(专利权)人：河南省气象台，
类型：发明
国别省市：