[发明专利]一种基于T-S模型的FNN降水粒子相态识别方法

说明书

本发明提供了一种基于T‑S模型的FNN降水粒子相态识别方法。该方法通过建立基于T‑S模型的FNN，首先对双线偏振气象雷达接收的偏振参量进行模糊化、规则计算、模糊推理和退模糊处理，然后利用FNN误差反馈的思想自适应的调节模糊化过程中不同降水粒子相态的各偏振参量隶属函数参数，最后对待识别的降水粒子进行相态识别。本发明提供方法可以根据天气环境的变化，自适应地更新相应隶属函数参数，使系统的识别能力比固定参数时有较大提升，同时识别的结果能更加细致地反映天气情况，仿真实验验证了本方法的有效性。

技术领域

本发明属于气象雷达信号处理技术领域，特别是涉及一种将T-S模型与神经网络相结合的降水粒子相态识别方法。

背景技术

云内降水粒子相态的合理识别在云降水物理、人工影响天气等领域具有非常重要的科学意义，不仅对了解水凝物在云中的生成和转换、提高降水量的测量精度有重要的应用价值，而且能为人工影响天气的决策和评估提供重要的参考依据。

由于传统的单偏振气象雷达只发射和接受单一方向的功率信息，因此得到的信息有限，限制了其对降水粒子相态识别的准确性。双线偏振气象雷达作为一种新型的天气信号回波探测工具，由于能同时发射和接收水平与垂直极化方向的信号，较传统的单偏振气象雷达可以获得更多的极化信息，因而在天气信号处理中的降水粒子相态识别方面具有一定的优势。

近年来，许多基于数学统计原理的方法都被运用到了降水粒子相态识别领域，包括统计决策、判决图法、模糊逻辑方法等。统计决策理论是一种有效的降水粒子相态识别算法，但由于很难获得降水粒子的先验概率和概率密度函数，使得数据模型的建立变得十分困难，进而会对分类的效果产生很大影响。判决图方法是一种基于布尔逻辑的算法，该方法根据预先确定的类型边界来对降水粒子进行分类，但是气象雷达接收到的不同降水粒子的协方差矩阵不是相互独立的，对降水粒子相态识别精度有一定的影响。模糊逻辑方法对不同降水粒子相态的各偏振参量建立隶属函数和规则基，解决了回波信号间相互排斥的问题，在降水粒子的相态识别方面具有一定的优势，但是不同降水粒子相态的极化参量隶属函数参数采用经验值，从而使得降水粒子相态识别性能不稳定。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于T-S模型的FNN降水粒子相态识别方法。

为了达到上述目的，本发明提供的基于T-S模型的FNN降水粒子相态识别方法包括按顺序进行的下列步骤：

1)建立FNN模型前件网络，以双线偏振气象雷达的各项偏振参量数据作为FNN模型前件网络的输入值，计算连接权值的S1阶段；

2)建立FNN模型后件网络，根据T-S模型，利用步骤1)获得的连接权值计算模糊推理结果的S2阶段；

3)建立FNN模型反馈网络，利用步骤2)获得的模糊推理结果，自适应更新步骤1)中建立的FNN模型前件网络中隶属函数参数的S3阶段；

4)利用实测数据对步骤1)、步骤2)、步骤3)中建立的前件网络、后件网络和反馈网络进行训练，最后运用训练得到的FNN进行降水粒子相态识别的S4阶段。

在步骤1)中，所述的建立FNN模型前件网络，以双线偏振气象雷达的各项偏振参量数据作为FNN模型前件网络的输入值，计算连接权值的方法是：所述的前件网络包括输入层和隐含层，首先双线偏振气象雷达的各项偏振参量数据从输入层进入前件网络，然后在隐含层经过模糊化处理，计算出每项偏振参量对应不同降水粒子相态的初始化隶属函数，最后利用初始化隶属函数经过规则计算和归一化后得到连接权值。