[发明专利]一种基于多元回归的气象锋面自动识别方法

权利要求书

1.一种基于多元回归的气象锋面自动识别方法，其特征在于，包括以下步骤：

步骤1，利用统计的方法确定常定温带网格点；

步骤2，去除各气象要素数据集中的常定温带网格点；

步骤3，计算多元诊断量；

步骤4，利用神经网络训练出多元回归方程系数；

步骤5，通过回归方程识别出锋面；

步骤1包括以下步骤：

步骤1-1，求取温度梯度：随机选取一年内网格点的温度数据，代入如下公式求取各网格点的温度梯度：

其中X表示纬度方向、Y表示经度方向，T表示温度，G_T表示温度梯度；

步骤1-2，确定温度梯度阈值：随机选取一年内的人工锋面数据，求出人工锋面数据中网格点的温度梯度均值，将求出的温度梯度均值设定为温度梯度阈值，所述温度梯度阈值用于确定每个网格点的频数；

步骤1-3，统计频率：统计各网格点温度梯度大于温度梯度阈值的频数；

步骤1-4，确定常定温带网格点：当网格点温度梯度频率超过设定的频率阈值的网格点定为常定温带网格点；

步骤1-4包括以下步骤：

步骤1-4-1，确定频率阈值：将海陆交界以及山脉和平原的交界的各网格点的温度梯度都小于步骤1-2确定的温度梯度阈值时的频率值确定为频率阈值；

步骤1-4-2，判定常定温带网格点：当一年内网格点温度梯度大于温度梯度阈值的次数除以统计的总次数所得的网格点温度梯度频率大于步骤1-4-1确定的频率阈值时，判定为常定温带网格点；否则为非常定温带网格点；

步骤2包括：根据步骤1确定的常定温带网格点，将所述常定温带网格点的值设为0，其他非常定温带网格点的气象要素数据值设为1；将包括温度场、气压场、风场的网格数据与常定温带数据进行与运算，去除常定温带网格点，各气象要素的常定温带的网格点的值都设为0，从而直接判定常定温带的网格点为非锋面；

步骤3包括以下步骤：

步骤3-1，根据如下公式计算热力锋参数TFP诊断量：

其中，为求梯度操作，τ为诊断因子，将τ选择为假相当位温θ_e，假相当位温θ_e的值通过如下公式计算：

其中，T表示温度，P表示海平面压强，P₀₀表示标准大气压，P₀₀＝1000hPa，R_d是干空气的气体常数，且R_d＝287.05J/kg/K，C_p为干空气的定压比热，且C_p＝1005.7J/kg/K；C_l为液态水的比热容；L表示单位质量的凝结潜热，r_T为T温度下的混合比，r_s为饱和混合比，且r_s计算公式为其中e_s为饱和水汽压强；

步骤3-2，计算露点温度诊断量G_Ld：

先求出温度与露点温度差，Ld表示露点温度，则温度与露点温度差TL＝T-Ld，再利用公式计算露点温度诊断量：

其中，X表示纬度方向，Y表示经度方向，G_Ld表示温度与露点温度差的梯度，即露点温度诊断量；

步骤3-3，根据如下公式计算气压诊断量G_P：

其中，G_P表示海平面气压梯度，P表示海平面气压，表示纬度方向的微小变化，表示经度方向的微小变化；

步骤3-4，计算风场诊断量ζ：

其中，X表示纬度方向，Y表示经度方向；U，V分别为风场在10米经度方向上的风速分量和10米纬度方向上的风速分量；

步骤4包括以下步骤：

步骤4-1，数据预处理：对步骤3得到的TFP诊断量、露点温度诊断量G_Ld、气压诊断量G_P和风场诊断量ζ进行[-1，1]的归一化处理；

步骤4-2，构造用于确定多元回归方程各项系数的多元回归神经网络MRNN网络，MRNN网络的输入层为4个输入，分别为TFP诊断量、露点温度诊断量G_Ld、气压诊断量G_P和风场诊断量ζ；隐藏层为4层，与输入层的连接为1对1的连接，TFP诊断量、露点温度诊断量G_Ld、气压诊断量G_P和风场诊断量ζ的权重分别为α、β、γ、δ；输出层的结果通过如下多元回归方程得到：

α*TFP+β*G_Ld+γ*G_P+δ*ζ+B＝ε

其中，B是偏置，ε为回归值；

步骤4-3，初始化MRNN网络：利用Xavier初始化方法初始化MRNN网络，使多元回归方程的系数以均匀分布的方式在的范围内进行随机初始化，其中n为所在层的输入纬度，m为输出纬度；

步骤4-4，读取训练样本：采用批训练的方式，每次训练从训练样本集中读取BatchSize组训练样本；

步骤4-5，训练MRNN网络：确定MRNN网络的损失函数，利用自适应梯度下降优化方法更新参数，直到达到训练要求为止，输出多元回归方程系数。