一种基于气溶胶信息和深度学习的实时预测闪电方法技术

本发明专利技术公开了一种基于气溶胶信息和深度学习的实时预测闪电方法，包括：A)闪电发生统计数据集的预处理、B)基于气溶胶和气象信息的闪电实时预测深度学习模型的建立、C)深度学习模型的自验证、D)模型应用预测未来闪电的发生。闪电发生统计数据集预处理包括站点对闪电观测的有效样本的筛选、闪电发生位置的经纬度匹配、以及闪电活跃与不活跃期间气溶胶和气象相关参数的匹配；基于气溶胶和气象信息的闪电实时预测深度学习模型的建立包括搭建具备时间序列捕捉能力和高分类精度的深度学习模块、以及将闪电发生的统计数据集输入到该深度学习模型中，捕捉闪电发生的相关条件；最后将模型应用到目标时间段中，输出的数据为未来1小时闪电发生的概率。时闪电发生的概率。时闪电发生的概率。

【技术实现步骤摘要】
一种基于气溶胶信息和深度学习的实时预测闪电方法


[0001]本申请涉及气象预测的
，尤其涉及闪电天气的实时预测技术，特别是一种基于卫星遥感观测和卫星气溶胶观测的闪电实时预测方法。

技术介绍

[0002]闪电是造成人类伤亡的主要自然灾害之一，对人类现代社会产生了一定的负面影响，因此，如何能够准确而及时地预测闪电的发生，便于人群紧急避险和采取预防措施，是降低闪电造成的负面影响的关键。而现有的方法对于闪电的模型预测存在精度较低的问题，因此实现高精度、实时的闪电预测是一项重要应用成果。
[0003]现有的对闪电实时预测的方法主要有通过数值模拟模型和通过机器学习模型这两类方法。其中，基于数值模拟模型的方法通过闪电相关参数的变化趋势，预测闪电发生的可能性，但由于目前对于闪电的机理研究不能完整地刻画闪电的发生特点，该方法对于闪电的检出率不足，且误警率过高。基于机器学习模型的预测是近年来提出的方法，使用天气变量去预测闪电发生的概率，该方法由于融合了闪电观测数据，机器学习工具也可以实现对于数据内部的深度挖掘，因此具备更高的准确性，但同样由于对闪电机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于气溶胶信息和深度学习的实时预测闪电方法，其特征在于，包括如下步骤：A)闪电发生统计数据集的预处理；闪电发生统计数据集预处理包括站点对闪电观测的有效样本的筛选、闪电发生位置的经纬度匹配、以及闪电活跃与不活跃期间气溶胶和气象相关参数的匹配；B)基于气溶胶和气象信息的闪电实时预测深度学习模型的建立；搭建具备时间序列捕捉能力和高分类精度的基于气溶胶和气象信息的闪电实时预测深度学习模型，将闪电发生的统计数据集输入到该深度学习模型中，捕捉闪电发生的相关条件；C)深度学习模型的自验证；深度学习模型的自验证包括使用基于时间的十折交叉验证对深度学习模型精度进行评估；D)模型应用预测未来闪电的发生；将目标测试时间段的气溶胶、气象参数数据输入到深度学习模型中，最终输出的数据为未来1小时闪电发生的概率。2.如权利要求1所述的一种基于气溶胶信息和深度学习的实时预测闪电方法，其特征在于：步骤A)的具体实现方式如下；A1，准备长时间的静止卫星全域观测空间范围的闪电观测卫星文件，读取其中闪光记录，即短时间内和有限空间内闪电束的发生，然后整理其数据栅格化，以小时为时间分辨率、以0.25
°×
0.25
°
为空间分辨率，记录每个栅格中的闪光密度，如果一个栅格中，有至少连续1分钟的闪电观测记录，则该栅格中的闪光为有效观测数据，闪光密度记为Flash；A2，创建闪电记录的匹配数据集，将闪电发生的栅格经纬度以及时间和该栅格内的有效闪光密度Flash进行匹配，其中经纬度分别记作LAT、LON，日期记作YY/MM/DD/HH，即YY为年、MM为月、DD为日、HH为小时；对于未发生闪电的栅格，闪光密度记为0；A3，准备与闪电观测时间范围和空间范围相同的气象观测数据和气溶胶观测数据产品，并读取其数据信息，包括以下参数：位于500hPa的温度，记作T500；地表气压，记作SP；位于500hPa的空气相对湿度，记作SH；位于500hPa的U方向风速，记作UW；位于500hPa的V方向风速，记作VW；灰尘气溶胶光学厚度，记作DU；硫酸盐气...

【专利技术属性】
技术研发人员：李四维，宋戈，
申请(专利权)人：武汉大学，
类型：发明
国别省市：