【技术实现步骤摘要】
本专利技术涉及天气预报，具体涉及一种长江流域致洪强降雨天气过程相似识别方法和系统。
技术介绍
1、天气系统的自动识别一直是气象预报业务中没有解决的难题之一。传统的气象预报业务系统可以为天气预报提供较好的数据汇集、信息处理和天气分析人机交互平台，如micaps(meteorological information comprehensive analysis andprocessingsystem)，然而强降雨天气预报时仍然需要预报员根据经验进行天气系统主观分析，这就存在主观经验依赖性强、标准不统一等问题，本专利技术通过算法设计实现了关键天气系统位置、强度、路径等的客观化。
2、强降雨是不同尺度天气系统的演变及其相互作用的结果，依据天气系统分型是强降雨天气预报最直接、有效的方法，相较于温度场、涡/散度场、cape值等物理诊断量只在强降雨发生时才有明显表征，天气系统分型可以在强降雨天气发生前即可明显界定同类天气过程的发生的概率。
3、本专利技术选取导致长江流域持续性强降雨天气尺度(高空槽/脊、副热带高压、南亚高压)和中尺度天气系统(低空急流、切变线、低涡)作为天气过程分型相似识别依据，符合天气预报的基本需求，通过天气系统相似度为预报提供同类强降雨天气发生的概率判据。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供一种长江流域致洪强降雨天气过程相似识别方法和系统。
2、本专利技术解决上述技术问题的技术方案如下：
3、第一方面
4、获取当前天气过程的气象数据，所述气象数据包括标准大气层高度场数据和风场数据；
5、基于天气学原理的天气系统自动识别算法，提取强降雨过程多尺度天气系统特征信息；所述特征信息包括高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径；
6、利用致洪天气历史数据，构建强降雨过程天气系统特征样本数据库，其中每个历史样本均包含与所述预报样本类别一致的特征信息；天气系统特征数据库表内容如表1所示：
7、表1
8、
9、利用高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径，从历史样本数据库中筛选出与预报样本的相似度满足预设条件的历史样本；
10、利用副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径对应的预报样本和历史样本的相似度，计算筛选出的历史样本与预报样本之间的综合相似度；
11、利用所述综合相似度以及所述历史样本对应的致洪强降雨落区，计算预报样本的强降雨落区。
12、进一步的，所述的利用高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径，从历史样本数据库中筛选出与预报样本的相似度满足预设条件的历史样本，包括：
13、首先利用高空槽特征对历史样本数据库进行第一次筛选，然后利用副热带高压特征、南亚高压特征对第一次筛选结果进行第二次筛选，最后利用急流特征、切变线特征以及低涡/台风路径对第二次筛选结果进行天气系统特征间相似度计算并排序，得到与预报样本的相似度满足预设条件的历史样本。
14、进一步的，所述的利用高空槽特征对历史样本数据库进行第一次筛选，包括：
15、所述高空槽特征包括高空槽位置信息以及高空槽强度信息，所述高空槽位置信息指高空槽线所在位置信息，所述高空槽强度信息指各处高空槽线的强度；
16、计算各处高空槽线的强度，并对强度最大的高空槽线强度进行标记；
17、利用高空槽位置信息和高空槽强度标记信息，通过查表方式确定当前天气过程的分类，并从历史样本数据中查找与当前天气过程类别相同的历史样本。
18、进一步的，所述的利用副热带高压特征、南亚高压特征对第一次筛选结果进行第二次筛选，包括：
19、利用副热带高压脊线位置及强度指数计算副热带高压特征；
20、利用南亚高压脊线位置及强度指数计算南亚高压特征；
21、分别利用所述副热带高压特征和南亚高压特征计算预报样本与第一次筛选结果中的各历史样本的相似度，筛选得到两个相似度均大于对应的预设阈值的历史样本。
22、进一步的，所述的利用急流特征、切变线特征以及低涡/台风路径对第二次筛选结果进行第三次筛选，包括：
23、分别利用k-means聚类算法对急流位置和切变线位置进行聚类，并以聚类中心经纬度坐标作为急流位置或切变线位置；
24、分别利用急流位置与强度、切变线位置与强度，计算预报样本和第二次筛选结果中的各历史样本的相似度；
25、利用相似离度计算方法，计算预报样本与第二次筛选结果中各历史样本中的低涡/台风路径的相似度；
26、从第二次筛选结果中筛选三个相似度均大于对应的预设阈值的历史样本，得到与预报样本的相似度满足预设条件的历史样本。
27、进一步的，利用副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径对应的预报样本和历史样本的相似度，计算筛选出的历史样本与预报样本之间的综合相似度，包括：
28、对副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径对应的预报样本和历史样本的相似度做归一化处理处理，并取均值得到筛选出的历史样本与预报样本之间的综合相似度。
29、进一步的，利用所述综合相似度以及所述历史样本对应的致洪强降雨落区，计算预报样本的强降雨落区，包括：
30、提取历史样本中的强降雨落区的格点位置以及格点雨量；
31、根据所述综合相似度计算各历史样本的权重系数；
32、利用各历史样本中同一格点位置的格点雨量与该历史样本的权重系数进行加权求和，得到预报样本对应的降雨信息预测结果，并根据所述降雨信息预测结果得到预报样本的强降雨落区。
33、第二方面，本专利技术提供一种长江流域致洪强降雨天气过程相似识别系统，包括：
34、数据采集模块，获取当前天气过程的气象数据，所述气象数据包括标准大气层高度场数据和风场数据；
35、特征提取模块，利用强降雨天气相关天气学原理自动识别所述气象数据包含的特征信息，生成预报样本；所述特征信息包括高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径；
36、历史样本构建模块，利用致洪天气历史数据，构建历史样本数据库，其中每个历史样本均包含与所述预报样本类别一致的特征信息；
37、样本筛选模块，利用高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径，从历史样本数据库中筛选出与预报样本的相似度满足预设条件的历史样本；
38、综合相似度计算模块，利用副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径对应的预报样本文档来自技高网...
【技术保护点】
1.一种长江流域致洪强降雨天气过程相似识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的利用高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径，从历史样本数据库中筛选出与预报样本的相似度满足预设条件的历史样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述的利用高空槽特征对历史样本数据库进行第一次筛选，包括：
4.根据权利要求2所述的方法，其特征在于，所述的利用副热带高压特征、南亚高压特征对第一次筛选结果进行第二次筛选，包括：
5.根据权利要求2所述的方法，其特征在于，所述的利用急流特征、切变线特征以及低涡/台风路径对第二次筛选结果进行天气系统特征间相似度计算，包括：
6.根据权利要求1所述的方法，其特征在于，利用副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径对应的预报样本和历史样本的相似度，计算筛选出的历史样本与预报样本之间的综合相似度，包括：
7.根据权利要求1所述的方法，其特征在于，利用所述综合相似度以及所述历史样本
8.一种长江流域致洪强降雨天气过程相似识别系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如权利要求1-7任一项所述的一种长江流域致洪强降雨天气过程相似识别方法。
...【技术特征摘要】
1.一种长江流域致洪强降雨天气过程相似识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的利用高空槽特征、副热带高压特征、南亚高压特征、急流特征、切变线特征以及低涡/台风路径，从历史样本数据库中筛选出与预报样本的相似度满足预设条件的历史样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述的利用高空槽特征对历史样本数据库进行第一次筛选，包括：
4.根据权利要求2所述的方法，其特征在于，所述的利用副热带高压特征、南亚高压特征对第一次筛选结果进行第二次筛选，包括：
5.根据权利要求2所述的方法，其特征在于，所述的利用急流特征、切变线特征以及低涡/台风路径对第二次筛选结果进行天气系统特征间相似度计算，包括：
【专利技术属性】
技术研发人员：王继竹，徐卫立，祝赢，田刚，李波，吴涛，李琳琳，张俊，孟英杰，高琦，易香妤，王孝慈，
申请(专利权)人：中国长江电力股份有限公司，
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。