[发明专利]一种基于图像特征组合的降水相似预报方法

权利要求书

1.一种基于图像特征组合的降水相似预报方法，其特征在于，按以下步骤执行：

步骤1：获取历史形势场数据：具体为海平面气压和500、700、850hPa标准等压面的基本量，包括位势高度、温度、纬向风速、经向风速、气压和比湿资料，以及相对应的历史实况数据，包括每个站点的降水量、能见度、风向风速的历史实况数据；

步骤2：获取数值预报资料中的实时预报场资料，具体为未来某时刻的预报形势场数据；

步骤3：选取相似时间与相似区域；

对于相似时间的选取，根据预报形势场的日期，选取历史上每一年同期的前后15天的时间作为查找范围；

对于相似区域的选取，以研究区域为核心、增加上游系统的相似范围，在进行形势场逐步过滤筛选时，分步进行大、中、小尺度的筛选；其中大尺度为经度25°、纬度20°跨度的长方形，中尺度为经度16°、纬度13°跨度的长方形，小尺度为经度8°、纬度6°跨度的长方形；

建立逐层过滤的相似预报流程计算相似程度，对大尺度高度场进行相似过滤，反映环流形势的相似程度；对中尺度高度场进行相似过滤，表征天气影响系统的相似程度；对小尺度的高度场、温度场进行相似过滤，反映关键区物理量的相似程度；

步骤4：提取历史形势场的多种特征，建立历史特征数据库；

步骤5：提取出预报形势场的各个特征，求出预报形势场的每个特征与历史特征数据库中对应的历史形势场特征之间的皮尔逊相关系数，将其作为子特征的相似距离；将每个子特征相似距离的加权和作为预报形势场样本与历史形势场样本之间的相似程度，即将所有特征相结合，使多个特征共同决定检索结果；逐层过滤的过程中，每一层都使用形势场多个特征的相似距离的加权和衡量形势场之间的相似程度；

步骤6：根据求得的两个样本之间的相似程度，在历史形势场场数据中寻找与预报形势场数据最相似的10个个例，算出此10个个例对应时刻的实况数据中的降水量的加权和，将其作为当前时刻的多站点降水定量预报的结论。

2.根据权利要求1所述的基于图像特征组合的降水相似预报方法，其特征在于：所述步骤4中提取形势场的多种特征，包括分块直方图、方向梯度直方图、形势场等值线的特征、使用流形学习提取的非线性降维特征。

3.根据权利要求2所述的基于图像特征组合的降水相似预报方法，其特征在于：采用分块直方图提取形势场的特征，描述不同数值在整个形势场矩阵中所处的位置与所占的比重，将其作为形势场的全局特征，过程如下：

将形势场形成的天气图等面积划分为4×4的矩形区域，分块后采用累加直方图方法计算每一个分块的直方图，并将其串联到一起，得到一个特征向量，针对矩形区域中不同位置的信息的重要程度，调整各分块的权值大小，并保证所有权值之和为1。

4.根据权利要求2所述的基于图像特征组合的降水相似预报方法，其特征在于：采用方向梯度直方图的方法提取形势场的特征，使用方向梯度直方图提取形势场的局部梯度信息描述符，将其作为形势场的局部特征，过程如下：

将形势场数据划分为小的元胞，将同一元胞中所有梯度方向相同的格点累加计数，计算出该元胞的一维方向梯度直方图，将元胞组成块并归一化块内的所有元胞，再将所有块的HOG描述子串联起来作为形势场的特征向量。

5.根据权利要求2所述的基于图像特征组合的降水相似预报方法，其特征在于：使用LLE流形学习算法提取形势场的非线性降维特征，将高维形势场数据样本映射为低维数据。

6.根据权利要求1所述的基于图像特征组合的降水相似预报方法，其特征在于，所述步骤5中，提取出各个子特征后，计算预报形势场与历史形势场对应子特征之间的相似距离，再将每个子特征相似距离的加权和作为预报形势场样本与历史形势场样本之间的相似程度。

7.根据权利要求6所述的基于图像特征组合的降水相似预报方法，其特征在于：将各个子特征的相似距离的加权和作为预报形势场样本与历史形势场样本之间的相似程度，过程如下：

针对提取出的分块直方图、方向梯度直方图、形势场等值线的特征、使用流形学习提取的非线性降维特征计算预报形势场与历史形势场对应特征之间的皮尔逊相关系数，将其作为子特征的相似距离；得到各个特征的相似距离后，再使用公式(9)计算预报形势场样本U与历史形势场样本V的各个子特征相似距离的加权和，将其作为两个样本之间的相似程度，即将所有特征相结合，使多个特征共同决定检索结果；

f(U，V)＝w₁r₁+w₂r₂+w₃r₃+w₄r₄ (9)

其中r₁为根据分块直方图求得的相似距离，r₂为根据方向梯度直方图求得的相似距离，r₃为根据形势场等值线的特征求得的相似距离，r₄为根据使用流形学习提取的非线性降维特征求得的相似距离，w₁为r₁对应的权重，w₂为r₂对应的权重，w₃为r₃对应的权重，w₄为r₄对应的权重并规定w的取值满足公式(10)

w₁+w₂+w₃+w₄＝1 (10)。