[发明专利]一种运用K临近算法进行降水类型分类的方法

权利要求书

1.一种运用K临近算法进行降水类型分类的方法，其特征在于：包括如下步骤：

a）.选取训练数据集，所述的训练数据集由多个训练样本组成，并确定每个训练样本的分类类型；

b）.选取验证样本，所述的验证样本的分类类型已知；

c).计算验证样本与训练数据集中每个训练样本的距离；

d）.选取K值，训练数据集中与验证样本距离最近的K个样本的分类类型及为验证样本的分类类型；

e）. 选取不同的K值，按步骤d）确定在不同K值时训练数据集中的训练样本与已知的验证样本的分类类型相同的训练样本的数量， 训练数据集中的训练样本与已知的验证样本的分类类型相同的训练样本的数量最多的K值为最佳K值；

f）.选取实时样本，计算实时样本与训练数据集中每个训练样本的距离，选取步骤e）确定的最佳K值，训练数据集中与实时样本距离最近的K个训练样本的分类类型即为实时样本的分类类型。

2.根据权利要求1所述的一种运用K临近算法进行降水类型分类的方法，其特征在于：所述步骤a）选取的训练样本为选取卫星云类型资料在空间上扫描范围和地基雷达资料空间上扫描范围一致，扫描时间相同且有明显天气现象发生，如风、云、雾、雨、雪、霜、雷、雹等个例作为训练样本。

3.根据权利要求2所述的一种运用K临近算法进行降水类型分类的方法，其特征在于：所述步骤a）-f）的训练样本的具体数据，验证样本的具体数据和实时样本的具体数据为雷达数据中2km高度处回波强度ref2km和垂直积分液态水含量mvil；将卫星资料中降水类型产品2A23产品数据插值至雷达数据网格点上，作为训练样本的分类类型。

4.根据权利要求1所述的一种运用K临近算法进行降水类型分类的方法，其特征在于：所述步骤c）的验证样本与训练数据集中每个训练样本的距离和实时样本与训练数据集中每个训练样本的距离为欧式距离。

5.根据权利要求1-6任一项所述的一种运用K临近算法进行降水类型分类的方法，其特征在于：所述步骤c）选取至少一个验证样本组成验证样本集。

6.根据权利要求1-6任一项所述的一种运用K临近算法进行降水类型分类的方法，其特征在于：所述步骤f）选取至少一个实时样本组成实时样本集。