【技术实现步骤摘要】
本专利技术总的来说涉及灾害识别。具体而言，本专利技术涉及一种暴雨灾害自动识别分析方法及系统。
技术介绍
1、暴雨是气象灾害中最严重、最常发生的灾害之一，容易造成洪涝和城市内涝等灾害，进而导致人员伤亡和重大经济损失。对暴雨灾害进行自动识别需要基于气象监测、数据分析、智能化防御等多个方面来进行。
2、然而传统的暴雨灾害自动识别分析方法需要依赖大量的实时和历史气象数据，因此自动识别的准确性会受到气象数据的精度、质量、完整性等因素的影响。此外，传统的暴雨灾害自动识别分析方法在对暴雨过程特征量的提取和数据挖掘上也存在不足，而这大大限制了自动识别的准确性。
技术实现思路
1、为至少部分解决现有技术中的上述问题，本专利技术提出一种暴雨灾害自动识别分析方法，包括：
2、提供气象监测数据以及暴雨灾害数据；
3、根据所述气象检测数据以及所述暴雨灾害数据自动识别暴雨灾害；以及
4、当出现暴雨灾害时确定暴雨灾害强度、对降雨极值进行排序并且对暴雨灾害特征量进行提取。
5、在本专利技术一个实施例中规定，根据所述气象检测数据以及所述暴雨灾害数据自动识别暴雨灾害可以包括下列步骤：
6、当单个气象观测站的当天累计降水量超过第一阈值时确定该站点处发生暴雨；
7、当区域内的多个相邻气象观测站发生暴雨时，确定该区域内发生暴雨；以及
8、当区域内发生暴雨的时长大于等于1天时，确定该区域内发生暴雨灾害。
9、在本专利技
10、d＝r×arccos(sin(lata)×sin(latb)+cos(lata)×cos(latb)×cos(lona-lonb))×3.14/180.0
11、其中，r表示地球的半径、lata表示第一气象观测站的纬度、lona表示第一气象观测站的经度、latb表示第一气象观测站的纬度、lonb表示第一气象观测站的经度。
12、在本专利技术一个实施例中规定，当出现暴雨灾害时确定暴雨灾害强度包括：
13、计算区域内暴雨灾害的平均暴雨强度ia；
14、计算区域内暴雨灾害的日平均暴雨站数比aa；
15、根据所述平均暴雨强度ia以及日平均暴雨站数比aa计算暴雨强度综合指数z；以及
16、计算暴雨强度综合指数z的百分位，并且根据所述百分位确定暴雨灾害的强度等级。
17、在本专利技术一个实施例中规定，计算区域内暴雨灾害的平均暴雨强度ia表示为下式：
18、
19、其中，d表示区域内暴雨灾害的持续天数、mt表示第t天区域内发生暴雨的气象观测站的数量、rm，t表示第t天区域内的第m个发生暴雨的气象观测站的当日降水量；
20、计算区域内暴雨灾害的日平均暴雨站数比aa表示为下式：
21、
22、其中，n表示区域内的气象观测站总数量；以及
23、计算暴雨强度综合指数z可以表示为下式：
24、
25、其中，ia表示区域内暴雨灾害的平均暴雨强度、aa表示区域内暴雨灾害的日平均暴雨站数比。
26、在本专利技术一个实施例中规定，计算暴雨强度综合指数z的百分位表示为下式：
27、
28、j＝int(p×n+(1+p)/3)
29、γ＝p×n+(1+p)/3-j
30、其中，表示百分位p对应的百分位数、p表示百分位表示，例如可以取50％、80％、95％)、x表示升序排列后的样本序列、n表示序列总数、j表示第j个序列数；和\或
31、根据暴雨强度综合指数z的百分位确定暴雨灾害的强度等级包括：
32、当所述百分位大于95％时确定暴雨灾害的强度等级为特强、当所述百分位大于80％并且小于等于95％时确定暴雨灾害的强度等级为强、当所述百分位大于50％并且小于等于80％时确定暴雨灾害的强度等级为较强以及当所述百分位小于等于50％时确定暴雨灾害的强度等级为。
33、在本专利技术一个实施例中规定，所述暴雨灾害特征量包括：最大1小时降水、最大3小时降水、最大6小时降水、最大12小时降水、最大日降水、过程最大风速、过程极大风速、历史极值降水以及历史同期降水。
34、本专利技术还提出一种暴雨灾害自动识别分析系统，其包括：
35、数据获取模块，其被配置为提供气象监测数据以及暴雨灾害数据；
36、自动识别模块，其被配置为根据所述气象检测数据以及所述暴雨灾害数据自动识别暴雨灾害；以及
37、数据分析模块，其被配置为当出现暴雨灾害时确定暴雨灾害强度、对降雨极值进行排序并且对暴雨灾害特征量进行提取。
38、本专利技术还提出一种计算机可读存储介质，其上存储有机器可读指令，所述机器可读指令在被处理器执行时执行根据所述方法的步骤。
39、本专利技术还提出一种计算机系统，其包括：
40、处理器，其被配置为执行机器可读指令；以及
41、存储器，其被存储有机器可读指令，所述机器可读指令在被处理器执行时执行根据所述方法的步骤。
42、本专利技术至少具有如下有益效果：本专利技术提出一种暴雨灾害自动识别分析方法及系统，其能够自动识别暴雨灾害，并且对暴雨灾害中的各种特征数据进行提取分析，因此可以大大提高暴雨灾害自动识别的准确性。
本文档来自技高网...【技术保护点】
1.一种暴雨灾害自动识别分析方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的暴雨灾害自动识别分析方法，其特征在于，根据所述气象检测数据以及所述暴雨灾害数据自动识别暴雨灾害可以包括下列步骤：
3.根据权利要求2所述的暴雨灾害自动识别分析方法，其特征在于，区域内气象观测站的数量大于等于4，并且相邻的气象观测站之间的距离小于等于350KM，其中通过下式计算相邻的第一气象观测站与第二气象站之间的距离d：
4.根据权利要求3所述的暴雨灾害自动识别分析方法，其特征在于，当出现暴雨灾害时确定暴雨灾害强度包括：
5.根据权利要求4所述的暴雨灾害自动识别分析方法，其特征在于，计算区域内暴雨灾害的平均暴雨强度Ia表示为下式：
6.根据权利要求5所述的暴雨灾害自动识别分析方法，其特征在于，计算暴雨强度综合指数Z的百分位表示为下式：
7.根据权利要求1所述的暴雨灾害自动识别分析方法，其特征在于，所述暴雨灾害特征量包括：最大1小时降水、最大3小时降水、最大6小时降水、最大12小时降水、最大日降水、过程最大风速、过程极大风速、
8.一种暴雨灾害自动识别分析系统，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其上存储有机器可读指令，所述机器可读指令在被处理器执行时执行根据权利要求1-7之一所述的方法的步骤。
10.一种计算机系统，其特征在于，包括：
...【技术特征摘要】
1.一种暴雨灾害自动识别分析方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的暴雨灾害自动识别分析方法，其特征在于，根据所述气象检测数据以及所述暴雨灾害数据自动识别暴雨灾害可以包括下列步骤：
3.根据权利要求2所述的暴雨灾害自动识别分析方法，其特征在于，区域内气象观测站的数量大于等于4，并且相邻的气象观测站之间的距离小于等于350km，其中通过下式计算相邻的第一气象观测站与第二气象站之间的距离d：
4.根据权利要求3所述的暴雨灾害自动识别分析方法，其特征在于，当出现暴雨灾害时确定暴雨灾害强度包括：
5.根据权利要求4所述的暴雨灾害自动识别分析方法，其特征在于，计算区域内暴雨灾害的平均暴雨...
【专利技术属性】
技术研发人员：潘勐，刘雯，韩书倩，张冰松，洪国平，严婧，张笑羽，
申请(专利权)人：湖北省气象信息与技术保障中心湖北省气象档案馆新一代天气雷达技术支持武汉分中心，
类型：发明
国别省市：
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。