晴空回波识别模型构建方法、晴空回波滤波方法及装置制造方法及图纸

技术编号:37307255 阅读:13 留言:0更新日期:2023-04-21 22:51
本发明专利技术公开了一种晴空回波识别模型构建方法、晴空回波滤波方法及装置,该构建方法包括:获取样本数据,样本数据包括晴空回波数据和非晴空回波数据;提取样本数据中的多个特征因子数据;采用统计算法筛选多个特征因子数据中的最优特征因子数据;采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型。通过实施本发明专利技术,相比目前采用阈值法滤除以及模糊逻辑算法滤除的方式,该构建方法构建的晴空回波识别模型能够直接对晴空回波进行识别,从而实现晴空回波的滤波,不仅便捷易操作,同时准确性较高。同时准确性较高。同时准确性较高。

【技术实现步骤摘要】
晴空回波识别模型构建方法、晴空回波滤波方法及装置


[0001]本专利技术涉及大气科学
,具体涉及一种晴空回波识别模型构建方法、晴空回波滤波方法及装置。

技术介绍

[0002]毫米波测云仪在探测云信息的方面有很多优点,它不仅能够描述云内部的微物理结构,还能够对云高、云厚和云量等宏观上的参数进行连续观测,从而使得毫米波测云仪在云观测领域得到了广泛的重视与应用。然而大气边界层大气与下垫面直接作用,导致该层大气运动具有极强的湍流特性,并且气象要素具有强烈的日变化特征,经常会在没有云或降水现象的晴天,时常也能探测到雷达回波,称为晴空回波。
[0003]据统计,在边界层毫米波测云仪回波70%~80%的观测时间都会受到晴空回波的影响,因而极大地限制了云与相关信息的探测准确性,尤其在晴空回波、降水和云混合存在的复杂天气背景下问题更大。如何在这种复杂天气背景下消除晴空回波的干扰,从雷达回波中提取云和降水等有用气象信息具有重要研究意义和实用价值。

技术实现思路

[0004]有鉴于此,本专利技术实施例提供了涉及一种晴空回波识别模型构建方法、晴空回波滤波方法及装置,以解决现有技术中缺少对毫米波测云仪进行晴空回波滤除的技术问题。
[0005]本专利技术提出的技术方案如下:
[0006]本专利技术实施例第一方面提供一种晴空回波识别模型构建方法,包括:获取样本数据,所述样本数据包括晴空回波数据和非晴空回波数据;提取所述样本数据中的多个特征因子数据;采用统计算法筛选所述多个特征因子数据中的最优特征因子数据;采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型。
[0007]可选地,获取样本数据包括:获取毫米波测云仪采集的天气数据;对所述天气数据进行孤噪滤波和中值滤波,得到质控后天气数据;对所述质控后天气数据进行标记,得到包含晴空回波数据和非晴空回波数据的样本数据。
[0008]可选地,采用统计算法筛选所述多个特征因子数据中的最优特征因子数据,包括:对晴空回波数据和非晴空回波数据中每种特征因子的分布进行直方图统计;根据直方图统计结果确定每种特征因子对晴空回波数据和非晴空回波数据的区分能力;根据所述区分能力筛选晴空回波数据和非晴空回波数据中的最优特征因子数据。
[0009]可选地,采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型,包括:根据每种最优特征因子的取值范围将每种特征因子归一化到预设区间,得到归一化后的最优特征因子数据;将归一化后的最优特征因子数据划分为训练数据集、验证数据集以及测试数据集;基于所述训练数据集训练BP神经网络模型,得到晴空回波识别模型;采用所述验证数据集和测试数据集对所述晴空回波识别模型进行验证和测试。
[0010]可选地,获取毫米波测云仪采集的天气数据,包括:基于气候特征进行分区,将具有相似气候特征的区域划分为同一区域;获取毫米波测云仪采集的同一区域内的天气数据。
[0011]可选地,所述多个特征因子数据包括:反射率因子、径向速度、谱宽、信噪比、线性退极化比、回波高度。
[0012]本专利技术实施例第二方面提供一种晴空回波滤除方法,包括:获取待测天气数据;提取待测天气数据中的最优特征因子数据;将归一化的最优特征因子数据输入本专利技术实施例第一方面及第一方面任一项所述的晴空回波识别模型构建方法构建的晴空回波识别模型,得到待测天气数据的识别结果;基于所述识别结果将待测天气数据中的晴空回波数据滤波。
[0013]本专利技术实施例第三方面提供一种晴空回波识别模型构建装置,包括:样本获取模块,用于获取样本数据,所述样本数据包括晴空回波数据和非晴空回波数据;提取模块,用于提取所述样本数据中的多个特征因子数据;筛选模型,用于采用统计算法筛选所述多个特征因子数据中的最优特征因子数据;训练模块,用于采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型。
[0014]本专利技术实施例第四方面提供一种晴空回波滤除装置,包括:数据获取模块,用于获取待测天气数据;因子提取模块,用于提取待测天气数据中的最优特征因子数据;识别模块,用于将归一化的最优特征因子数据输入本专利技术实施例第一方面及第一方面任一项所述的晴空回波识别模型构建方法构建的晴空回波识别模型,得到待测天气数据的识别结果;滤除模块,用于基于所述识别结果将待测天气数据中的晴空回波数据滤波。
[0015]本专利技术实施例第五方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如本专利技术实施例第一方面及第一方面任一项所述的晴空回波识别模型构建方法及本专利技术实施例第二方面所述的晴空回波滤除方法。
[0016]本专利技术实施例第六方面提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如本专利技术实施例第一方面及第一方面任一项所述的晴空回波识别模型构建方法及本专利技术实施例第二方面所述的晴空回波滤除方法。
[0017]本专利技术提供的技术方案,具有如下效果:
[0018]本专利技术实施例提供的晴空回波识别模型构建方法及装置,通过获取样本数据,提取样本数据中的多个特征因子数据,采用统计算法筛选多个特征因子数5据中的最优特征因子数据;采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型。相比目前采用阈值法滤除以及模糊逻辑算法滤除的方式,该构建方法构建的晴空回波识别模型能够直接对晴空回波进行识别,从而实现晴空回波的滤波,不仅便捷易操作,同时准确性较高。
[0019]本专利技术实施例提供的晴空回波滤除方法,通过获取待测天气数据;提取待0测天气数据中的最优特征因子数据;将归一化的最优特征因子数据输入构建的晴空回波识别模型,得到待测天气数据的识别结果;基于所述识别结果将待测天气数据中的晴空回波数据滤波。由此,该晴空回波滤除方法能够对边界层毫米波测云仪在探测过程中接收到的晴空
回波进行识别并进行有效去除。
附图说明
[0020]5为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0021]图1是根据本专利技术实施例的晴空回波识别模型构建方法的流程图;图2是根据本专利技术另一实施例的晴空回波识别模型构建方法的流程图;
[0022]图3是根据本专利技术实施例的晴空回波滤除方法的流程图;
[0023]图4是根据本专利技术实施例的晴空回波识别模型构建装置的结构框图;
[0024]图5是根据本专利技术实施例的晴空回波滤除装置的结构框图;
[0025]图6是根据本专利技术实施例提供的计算机可读存储介质的结构示意图;
[0026]图7是根据本专利技术实施例提供的电子设备的结构本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种晴空回波识别模型构建方法,其特征在于,包括:获取样本数据,所述样本数据包括晴空回波数据和非晴空回波数据;提取所述样本数据中的多个特征因子数据;采用统计算法筛选所述多个特征因子数据中的最优特征因子数据;采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型。2.根据权利要求1所述的晴空回波识别模型构建方法,其特征在于,获取样本数据包括:获取毫米波测云仪采集的天气数据;对所述天气数据进行孤噪滤波和中值滤波,得到质控后天气数据;对所述质控后天气数据进行标记,得到包含晴空回波数据和非晴空回波数据的样本数据。3.根据权利要求1所述的晴空回波识别模型构建方法,其特征在于,采用统计算法筛选所述多个特征因子数据中的最优特征因子数据,包括:对晴空回波数据和非晴空回波数据中每种特征因子的分布进行直方图统计;根据直方图统计结果确定每种特征因子对晴空回波数据和非晴空回波数据的区分能力;根据所述区分能力筛选晴空回波数据和非晴空回波数据中的最优特征因子数据。4.根据权利要求1所述的晴空回波识别模型构建方法,其特征在于,采用归一化的最优特征因子数据对神经网络识别模型进行训练,得到晴空回波识别模型,包括:根据每种最优特征因子的取值范围将每种特征因子归一化到预设区间,得到归一化后的最优特征因子数据;将归一化后的最优特征因子数据划分为训练数据集、验证数据集以及测试数据集;基于所述训练数据集训练BP神经网络模型,得到晴空回波识别模型;采用所述验证数据集和测试数据集对所述晴空回波识别模型进行验证和测试。5.根据权利要求2所述的晴空回波识别模型构建方法,其特征在于,获取毫米波测云仪采集的天气数据,包括:基于气候特征进行分区,将具有相似气候特征的区域划分为同一区域;获取毫米波测云仪采集的同一区域内的天气数据。6.根据权利要求1所述的晴空回波识别模型构建方...

【专利技术属性】
技术研发人员:马效培初奕琦周亭亭许文鑫
申请(专利权)人:航天新气象科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1