【技术实现步骤摘要】
本专利技术涉及一种冰雹天气识别方法，具体是一种基于dam-efficientnet模型的冰雹天气识别及预测方法。
技术介绍
1、冰雹是由强对流天气引发的一种极端天气现象，其具有剧烈降水和形成冰球的特点。冰雹对人类、农田和建筑物造成的损害是极其严重的，并且会带来重大的人员伤亡和经济损失。为了有效应对这一问题，气象领域的研究者急需一种快速、高效、便捷的方法，准确地识别云层中是否存在冰雹。这将有助于及时采取措施，以防止冰雹带来的潜在威胁，并减少人员伤亡和经济损失。
2、随着机器学习和人工智能神经网络的发展，研究人员开始利用人工智能的方法来开展对冰雹识别。机器学习和人工智能技术在冰雹识别领域具有巨大的潜力。利用雷达数据和神经网络模型，可以准确地区分冰雹和非冰雹情况，为气象预测和灾害防范提供有效支持。然而，雷达观测数据受到环境因素的影响，导致其中一部分数据可能是由于反射等非气象因素引起的误回波，这可能影响冰雹等极端天气数据的准确性和可靠性。因此，在使用机器学习和人工智能技术进行冰雹识别时，需要对数据进行精心处理和筛选，以确保所使用的数据具有高质量和可靠性，并减小因数据误差而造成的识别不准确问题的影响。此外，进一步的研究仍然需要对数据质量进行改进，以提高冰雹等极端天气的数据研究准确性和可靠性。
3、相关专利文献：cn109116358a公开了一种基于新一代天气雷达的冰雹识别及落区预报方法，包括提取新一代天气雷达体扫描基数据中多层反射率z，从反射率z中提取在设定层结上不小于40dbz的反射率信息，作为冰雹识别区域，对提
4、以上技术方案并未较好地解决冰雹天气难以准确预测和时效性差的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于dam-efficientnet模型的冰雹天气识别及预测方法，它能准确识别极端冰雹天气，以解决冰雹天气难以准确预测和时效性差的问题。
2、为解决上述技术问题，本专利技术采用的技术方案如下：
3、一种基于dam-efficientnet模型的冰雹天气识别及预测方法（或者说是基于风云四号气象卫星的冰雹天气识别及预测方法），其技术方案在于它包括以下工艺步骤：
4、s1:获取风云四号气象卫星数据，进行数据的筛选和预处理；
5、s2:生成深度学习网络中所需要的数据集；
6、s3:建立efficientnet-b1基准网络模型，将数据集中的训练集进行训练；
7、s4:对多通道进行不同尺寸图片的训练，并寻找出表现优异的通道；
8、s5:建立高效通道下的dam-efficientnet深度学习冰雹分类模型，验证冰雹识别准确率；
9、s6:预测具体地区（如湖北省与黑龙江省）的冰雹下降时间。
10、上述技术方案中，优选的技术方案可以是，步骤s1具体包括:
11、s1.1:通过python提取风云四号气象卫星真彩图；
12、s1.2:将气象部门所给的人工标定冰雹数据整理成地区，开始时间，结束时间三列；保存格式为.cvs;
13、s1.3:将原始hdf文件时间都增加八个小时，从世界时更改为与步骤s1.2中时间相符合的中国时；
14、s1.4:根据步骤s1.2与步骤s1.3处理后，得到卫星数据与人工标定准确的实际冰雹数据。
15、上述技术方案中，优选的技术方案还可以是，步骤s2具体包括:
16、s2.1:将获取的风云四号气象卫星hdf文件与人工标定的冰雹数据cvs文件进行比对；
17、s2.2:设计判定无冰雹与有冰雹的条件，将实际判断为冰雹的时间提前一个小时，将有冰雹的数据直接保存，无冰雹的数据每个文件名只保存一个；
18、s2.3:根据步骤s2.2的比对算法得到14个通道256像素×256像素尺寸的真彩图，同理可获得64像素×64像素大小的14个通道的真彩图，即得到14个通道中不同尺寸的图像数据（得到不同通道、不同尺寸的图像数据）。
19、上述技术方案中，优选的技术方案还可以是，步骤s3具体包括:
20、s3.1:使用神经网络算法efficientnet-b1模型训练在步骤s2中所得到的不同通道的训练集，将训练集和测试集分成8：2的形式进行训练；
21、s3.2:使用步骤s3.1的算法过程，设置每个通道的训练周期为200个epoch，且使用停止准则，一旦在连续的15个epoch中得到的验证损失率降低幅度没有超过0.01，则立即停止训练过程；
22、s3.3:采用学习率自适应的一种方法，使用adam优化器自动调整（自适应调整）现有的学习率，如果发现一定条件下，训练损失值不降低，则将学习率降低为之前学习率的1/10; 设置当前的学习率初始值为0.001；
23、s3.4:将训练集作为模型实际输入的图像数据，将验证集作为判定当前图像的分类准确值；
24、s3.5:根据步骤s3.1与步骤s3.2，建立基于efficientnet-b1的深度网络模型，对卫星数据图像进行分类。
25、上述技术方案中，优选的技术方案还可以是，步骤s4具体包括:
26、s4.1:根据步骤s2中所得到的不同通道、不同尺寸的图像数据，使用步骤s3中所建立的efficientnet-b1模型进行训练；
27、s4.2:使用步骤s4.1中的方法，统计使用不同通道和不同尺寸大小的数据，将不同尺寸、相同通道作为基础；使用准确率作为判定相同通道中不同尺寸好坏的判别标准；挑选出最好效果的尺寸图；同理，将相同尺寸作为基础，选取不同通道的准确率作为编订标准；挑选出效果最好的训练通道；
28、s4.3:通过步骤s4.1与步骤s4.2的方法获本文档来自技高网...
【技术保护点】
1.一种基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于它包括以下工艺步骤：
2.根据权利要求1所述的基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于步骤S1包括:
3.根据权利要求1所述的基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于步骤S2包括:
4.根据权利要求1所述的基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于步骤S6包括:
5.根据权利要求1所述的基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于上述CBAM模块是一个前馈卷积神经网络注意力模块，CBAM模块内部先通过通道注意力模块，然后使用空间注意力模块，ECA模块是一种高效通道注意力模块，ECA模块采用不降维的局部跨信道交互策略和自适应选择一维卷积核大小的注意力机制。
6.根据权利要求4所述的基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于上述计算分类值与实际数据的分类准确率，采用混淆矩阵
...【技术特征摘要】
1.一种基于dam-efficientnet模型的冰雹天气识别及预测方法，其特征在于它包括以下工艺步骤：
2.根据权利要求1所述的基于dam-efficientnet模型的冰雹天气识别及预测方法，其特征在于步骤s1包括:
3.根据权利要求1所述的基于dam-efficientnet模型的冰雹天气识别及预测方法，其特征在于步骤s2包括:
4.根据权利要求1所述的基于dam-efficientnet模型的冰雹天气识别及预测方法，其特征在于步骤s6包括:
5.根据权利要求1所述的基于dam...
【专利技术属性】
技术研发人员：刘仁峰，朱红星，代浩楠，吴岱衡，
申请(专利权)人：威派武汉高新技术有限公司，
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。