[发明专利]一种基于多元回归的气象锋面自动识别方法

说明书

本发明提供了一种基于多元回归的气象锋面自动识别方法，包括：确定常定温带；去除常定温带；气象要素数据集去除常定温带后计算各诊断量，并生成训练样本集；利用多元回归神经网络(Multiple Regression Neural Network，MRNN)模型和训练样本集训练多元回归方程系数(各诊断量识别锋面时的权重)；将气象要素数据集和训练得到的多元回归模型系数代入多元回归模型，在线自动识别出各网格点的大气锋面概率。

技术领域

本发明属于大气探测中地面气象观测技术领域，尤其涉及一种基于多元回归的气象锋面自动识别方法。

背景技术

大气科学将热力学场和风场具有显著变化的狭窄倾斜带定义为锋面，更具体的理解就是气流汇合区域两个冷暖性质不同的气团相遇而产生的一个偏冷侧倾斜的分界面或过渡区。在过渡区中将锋面与地面的交割线称为锋线，简称为“锋”，锋是一个不太规则的倾斜面，它的上面是暖气团，下面是冷气团。由于冷空气比暖空气重，所以它们的交接区域就是一个倾斜的交接区域。

由于锋面附近大气斜压性大，这有利于垂直环流的发展与能量转换，因而锋面附近常有比较剧烈的天气变化和气压系统的发生和发展，例如当冷锋过境后，冷气团占据了原来暖气团所在的位置，气温下降，气压上升，天气多转晴好；当暖锋过境后，暖气团就占据了原来冷气团的位置，气温上升，气压下降，天气多转云雨天气。因此锋面系统附近区域常伴随强降水现象，而锋面的定位与分析，有助于预报员掌握锋面系统位置、强度及演变过程，所以准确预测锋面系统及天气的变化趋势，对天气预报有着重要意义。

目前锋面分析仍主要依靠人工分析，预报人员根据天气学和动力气象学基本原理，结合历史连续性和空间配合等原则，综合分析温度、气压场、风场、湿度场、天空状况、能见度以及天气等气象要素，对锋面的性质、位置及发展趋势进行判断，手工绘制或借助已有的应用软件(如国家气象局MICAPS系统等)交互式生成矢量图形。然而人工分析不仅耗时费力，延长了预报制作和发布时间，且人的主观经验与判断容易引入错、漏、结果不一致等问题。锋面自动识别不仅能减少大量人力和时间的耗费，而且对于海量的历史气象数据的再分析和应用有着重要意义。

目前各国气象研究者们也开展了一些锋面自动识别方面的研究，但这些研究中大多是基于单一的气象要素进行的，因此可靠性差；即使基于多要素进行锋面识别研究也未考虑多要素诊断结果冲突处理问题以及难以解决数据中存在的不确定性，导致健壮性较弱；目前锋面自动识别智能水平普遍较低，未能有效的融合人工分析经验进行锋面自动识别。

发明内容

发明目的：本发明索要解决的技术问题是针对现有的利用单一诊断量进行锋面自动识别方法的准确度低的问题而提出的一种基于多元回归的气象锋面自动识别方法，从而实现对大气锋面的自动识别，具体包括以下步骤：

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：利用热力因子计算各网格点的热力锋参数(TFP，一个热力学参数梯度的大小的梯度与该热力学参数梯度方向的单位向量的乘积)诊断量、利用温度与露点温度差计算露点诊断量G(Ld)、利用气压场计算气压诊断量G(P)、利用风场计算涡度诊断量ζ；

步骤4，利用神经网络训练出多元回归方程系数：输入各网格点的气象要素数据集，去除常定温带网格点后，再对气象要素数据集进行数据预处理输入MRNN网络结构，并初始化网络训练参数，最后利用训练集(各气象要素数据和人工锋面数据)通过MRNN网络训练得到多元回归方程的系数，多元回归方程系数即各气象诊断量在识别锋面时的权重；

步骤5，通过回归方程识别锋面：

α*TFP+β*G_Ld+γ*G_P+δ*ζ+B＝ε，

将各网格点的气象要素数据集和步骤4获得的多元回归方程系数输入到多元回归模型，输出锋面识别结果。