[发明专利]一种基于天气雷达数据的强对流风力等级预测方法

权利要求书

1.一种基于天气雷达数据的强对流风力等级预测方法，其特征在于：包括以下步骤：

步骤101：根据风速阈值将风力等级划分为0到m级，风力等级用LV表示，则LV∈{LV0,LV1,....,LVj,...,LVm}，j∈{0,1,...,m}；

步骤102：以支持矢量机SVM作为子分类器，采用n个子分类器从第1个到第n个依次串联的方式构造多分类器，其中n＝m；每一个子分类器能够将风力等级分为两类；为每一个子分类器设置一个对应的标签，第i个子分类器的标签为其中，t代表时刻，j＝i-1，i∈{1,2,...,n}；

步骤103：利用天气雷达对强对流的历史监测数据构造若干个输入矢量，并根据气象站风速的历史监测数据为每个输入矢量确定风力等级；其中，t时刻的输入矢量为x(t)；t时刻的输入矢量x(t)对应的风力等级根据气象站t′时刻的风速监测数据确定，其中，时刻t′为时刻t的下一整点时刻；

步骤104：利用气象站风速的历史监测数据为每一个输入矢量构造对应的矢量标签，其中，t时刻的输入矢量x(t)所对应的矢量标签为y_L(t)，矢量标签y_L(t)根据时刻t所对应的风力等级进行确定，y_L(t)＝(l₁(t),...,l_i(t),...,l_n(t))；

步骤105：根据步骤103以及步骤104的输入矢量以及矢量标签构造样本集，样本集中单个样本表示为(x(t),y_L(t))；

步骤106：筛选样本集，构造训练集TR＝{(x(t),y_L(t))|t′-t≤Δt}，其中，Δt表示时刻t与时刻t′的时距阈值；

步骤107：利用训练集TR对多分类器进行训练，使得多分类器具备能够根据输入矢量，预测出对应风力等级的能力；

步骤108：采集天气雷达对强对流的实时监测数据，重新构造输入矢量，将输入矢量输入训练完成后的多分类器中，多分类器根据输入矢量输出对应时刻的风力等级，实现对风力的多级预测。

2.根据权利要求1所述的基于天气雷达数据的强对流风力等级预测方法，其特征在于：t时刻的输入矢量x(t)按如下步骤构造：

步骤201：提取天气雷达对强对流的监测数据中的14种雷达数据，构造基本雷达回波数据矢量x_B(t)，如下：

x_B(t)＝(平均反射率因子，最大反射率因子，最大反射率因子对应高度，风暴高度，垂直液态水含量，平均反射率因子梯度，最大反射率因子梯度，风暴质量，平均面积，风暴顶高度，风暴底高度，移动速度，长轴长，短轴长)；

步骤202：计算基本雷达回波数据矢量增量：x_B(t)-x_B(t-1)，其中，t-1表示雷达的上一体扫时刻；

步骤203：以天气雷达对强对流的监测数据中的剩余数据构造矢量x_R(t)，如下：

x_R(t)＝(降雹概率，强降雹概率，降水面积，二维风暴个数)；

步骤204：构造输入矢量x(t)，如下：

x(t)＝(x_B(t),x_B(t)-x_B(t-1),x_R(t))。

3.根据权利要求1所述的基于天气雷达数据的强对流风力等级预测方法，其特征在于：在步骤107与步骤108之间进行步骤301：采用测试集对多分类器的预测准确率进行测试，其中，测试集为样本集中随机选取的部分样本，样本集余下部分作为训练集的来源。

4.根据权利要求1所述的基于天气雷达数据的强对流风力等级预测方法，其特征在于：子分类器的个数n＝2，第一个子分类器表示为SVM-1，第二个子分类器表示为SVM-2；风力等级LV∈{LV0,LV1,LV2}，样本集中与风力等级LV0对应的样本为负类样本，其余为正类样本；在多分类器的训练过程中子分类器SVM-1用于筛选出负类样本，子分类器SVM-2用于对正类样本进行进一步分类，以将正类样本分成分别与风力等级LV1、风力等级LV2对应的两类正类样本。