【技术实现步骤摘要】
本专利技术涉及数据处理，特别涉及一种核爆炸和雷电电磁脉冲分类方法及系统。
技术介绍
1、随着时代的发展以及科技的进步，核电磁脉冲探测技术以及雷电电磁脉冲技术也日趋成熟，并且已经在多个领域得到了应用，对应提升了工作效率。
2、其中，现有的电磁脉冲探测技术在实际应用之前，都需要进行具体的实验，以保证后续应用过程的有效、稳定。具体的，在实验的过程中，需要构建出具体的核爆炸以及雷电电磁脉冲识别模型，并进一步通过该识别模型完成后续的脉冲实验。
3、然而，现有技术在构建核爆炸和雷电电磁脉冲识别模型的过程中，大部分通过现有的特征值统计分析方法来实现，但是该分析方法所采用的样本的覆盖性不够全面，并且忽略了波形随着传播距离变化的影响，导致最后生成的模型的识别准确率较低，同时鲁棒性较差，对应降低了工作效率。
技术实现思路
1、基于此，本专利技术的目的是提供一种核爆炸和雷电电磁脉冲分类方法及系统，以解决现有技术存在着识别准确率较低，同时鲁棒性较差的问题。
2、本专利技术实施例第一方面提出了：
3、一种核爆炸和雷电电磁脉冲分类方法，其中，所述方法包括：
4、根据历史数据构建出核爆电磁脉冲和雷电电磁脉冲波形的初始样本集，并对所述初始样本集进行预处理，以生成对应的目标样本集；
5、基于预设规则将所述目标样本集划分成对应的训练集以及测试集，并通过roc曲线以及auc评估算法确定出预设xgboost模型的目标模型参数；
6、根据所
7、本专利技术的有益效果是：通过实时根据历史数据构建出需要的初始样本集，进一步的，根据当前初始样本集生成能够便于后续快速处理的目标样本集，基于此，实时划分出对应的训练集以及测试集，并进一步根据当前训练集得到需要的初始分类模型，与此同时，根据当前初始分类模型进一步得到需要的目标分类模型，具体的，该目标分类模型能够准确的识别出各类波形，并实时根据各类波形的特征最终判定出接收到的波形数据是核爆电磁脉冲还是雷电电磁脉冲，大幅提升了识别的准确率，同时鲁棒性较高，提升了用户使用体验。
8、进一步的，所述对所述初始样本集进行预处理，以生成对应的目标样本集的步骤包括：
9、当获取到所述初始样本集时，实时检测出所述初始样本集中分别包含的不同源的若干波形，并通过预设时域线性插值算法将若干所述波形的时间分辨率以及时长均调整为统一格式，以生成对应的中间样本集；
10、实时检测出所述中间样本集中的不同波形分别对应的频谱范围，并将所述频谱范围调整为预设阈值，以对应生成所述目标样本集，所述预设阈值具有唯一性。
11、进一步的，所述通过roc曲线以及auc评估算法确定出预设xgboost模型的目标模型参数的步骤包括：
12、控制所述预设xgboost模型在预设范围内动态变化，以输出若干待定模型参数，并对应确定出与每一所述待定模型参数分别对应的所述roc曲线；
13、通过所述auc评估算法分别计算出与每一所述roc曲线对应的auc值，其中，所述auc值的大小与所述预设xgboos模型的性能成正比；
14、将所述auc值最大时产生的参数设定为所述目标模型参数。
15、进一步的，所述根据所述训练集、所述目标模型参数以及所述预设xgboost模型训练出对应的初始分类模型的步骤包括：
16、当获取到所述目标模型参数时，将所述预设xgboost模型中的原始模型参数替换为所述目标模型参数，以生成对应的原始模型；
17、将所述训练集对应输入至所述原始模型中，以对应输出能够识别不同传播距离的若干分类模型，并基于距离远近对若干所述分类模型分别添加对应的目标序号；
18、基于所述目标序号实时采集每一所述分类模型分别对应的自评估准确率，并构建出所述分类模型与所述自评估准确率之间的映射关系，以对应生成所述初始分类模型。
19、进一步的，所述通过所述测试集对所述初始分类模型进行验证，以生成对应的目标分类模型的步骤包括：
20、当获取到所述初始分类模型时，将所述测试集输入至所述初始分类模型中，以获取到与所述初始分类模型对应的综合分类准确率；
21、实时计算出所述综合分类准确率与所述自评估准确率之间的目标差值，并实时判断所述目标差值是否超过预设差值阈值；
22、若实时判断到所述目标差值未超过所述预设差值阈值，则判定完成对所述初始分类模型的验证，并对应生成所述目标分类模型。
23、进一步的，所述通过所述目标分类模型自动完成所述核爆电磁脉冲以及所述雷电电磁脉冲的波形的分类的步骤包括：
24、实时接收探测站传输的电磁脉冲波形数据，并实时定位出产生所述电磁脉冲波形数据的目标位置；
25、根据所述目标位置以及所述探测站的位置计算出所述电磁脉冲波形数据中的各个波形的传播距离，并根据所述传播距离将所述电磁脉冲波形数据传输至对应的目标分类模型中，以输出对应的识别结果；
26、根据所述识别结果实时判断出所述电磁脉冲波形数据的种类，所述种类包括所述核爆电磁脉冲以及所述雷电电磁脉冲。
27、进一步的，所述根据所述识别结果实时判断出所述电磁脉冲波形数据的种类的步骤包括：
28、当获取到所述识别结果时，实时检测出所述识别结果中分别包含的第一特征值以及第二特征值，并实时判断所述第一特征值或者所述第二特征值的数量是否超过预设数值；
29、若实时判断到所述第一特征值超过所述预设数值，则判定所述电磁脉冲波形数据为核爆电磁脉冲；
30、若实时判断到所述第二特征值的数量超过所述预设数值，则判定所述电磁脉冲波形数据为雷电电磁脉冲。
31、本专利技术实施例第二方面提出了：
32、一种核爆炸和雷电电磁脉冲分类系统，其中，所述系统包括：
33、处理模块，用于根据历史数据构建出核爆电磁脉冲和雷电电磁脉冲波形的初始样本集，并对所述初始样本集进行预处理，以生成对应的目标样本集；
34、划分模块，用于基于预设规则将所述目标样本集划分成对应的训练集以及测试集，并通过roc曲线以及auc评估算法确定出预设xgboost模型的目标模型参数；
35、训练模块，用于根据所述训练集、所述目标模型参数以及所述预设xgboost模型训练出对应的初始分类模型，并通过所述测试集对所述初始分类模型进行验证，以生成对应的目标分类模型，以通过所述目标分类模型自动完成所述核爆电磁脉冲以及所述雷电电磁脉冲的波形的分类。
36、进一步的，所述处理模块具体用于：
37、当获取到所述初始样本集时，实时检测出所本文档来自技高网...
【技术保护点】
1.一种核爆炸和雷电电磁脉冲分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述对所述初始样本集进行预处理，以生成对应的目标样本集的步骤包括：
3.根据权利要求1所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述通过ROC曲线以及AUC评估算法确定出预设XGBoost模型的目标模型参数的步骤包括：
4.根据权利要求3所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述根据所述训练集、所述目标模型参数以及所述预设XGBoost模型训练出对应的初始分类模型的步骤包括：
5.根据权利要求4所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述通过所述测试集对所述初始分类模型进行验证，以生成对应的目标分类模型的步骤包括：
6.根据权利要求1所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述通过所述目标分类模型自动完成所述核爆电磁脉冲以及所述雷电电磁脉冲的波形的分类的步骤包括：
7.根据权利要求6所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述根据所述识别结
8.一种核爆炸和雷电电磁脉冲分类系统，其特征在于，所述系统包括：
9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的核爆炸和雷电电磁脉冲分类方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任意一项所述的核爆炸和雷电电磁脉冲分类方法。
...【技术特征摘要】
1.一种核爆炸和雷电电磁脉冲分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述对所述初始样本集进行预处理，以生成对应的目标样本集的步骤包括：
3.根据权利要求1所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述通过roc曲线以及auc评估算法确定出预设xgboost模型的目标模型参数的步骤包括：
4.根据权利要求3所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述根据所述训练集、所述目标模型参数以及所述预设xgboost模型训练出对应的初始分类模型的步骤包括：
5.根据权利要求4所述的核爆炸和雷电电磁脉冲分类方法，其特征在于：所述通过所述测试集对所述初始分类模型进行验证，以生成对应的目标分类模型的步骤包括：
6.根据权...
【专利技术属性】
技术研发人员：刘裔文，熊尉钧，杨越涛，熊雯，王玉皞，陈子鑫，魏佳妤，钱宗昊，
申请(专利权)人：上饶师范学院，
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。