[发明专利]基于雷达回波的在线深度学习台风中心定位系统

权利要求书

1.基于雷达回波的在线深度学习台风中心定位系统，其特征在于，包括以下步骤：

S100，通过雷达回波收集速度数据和反射率数据进行准备；

S200，将以极坐标的形式表示的速度数据和反射率数据投影在直角坐标系中；

S300，对直角坐标系上的数据进行数据预处理；

S400，将经过数据预处理后的数据输入到卷积神经网络模型中进行深度学习；

在步骤S200中，将以极坐标的形式表示的速度数据v和反射率数据f投影在直角坐标系中，在直角坐标系内叠加一雷达回波数据资料构建的网格，每个网格点的值由周围雷达距离库的值确定，其中雷达回波数据资料包括：各个网格点在笛卡尔坐标系下的经度、纬度和高度，将矩阵中的极坐标点用邻居算法给相近的网格点进行赋值，并让网格点获得分析值analysis，通过分析值analysis的方向一个距离库的距离构建新的网格点，命名为预测点，将所有通过网格点分析值analysis构建的预测点构建矩阵，命名为预测矩阵，并将预测矩阵的速度数据vt和反射率数据ft构建仰角速度层和高度反射率层进行投影，得到PPI和CAPPI，其中PPI为平面位置显示器，指的是雷达在某个仰角上扫描一圈得到的数组，CAPPI为等高平面位置显示器，指的是在某一相等高度上的雷达数组；

所述网格点的分析值analysis构建出预测点，并构建预测矩阵，对预测矩阵数据的误差分析方法步骤为：

S301，将预测点的速度数据vt和反射率数据ft，通过计算获得预测值为Y，，,MSE为预测值与真实值的误差程度，将MSE与设定误差最大阈值Z进行差值对比对比，当（MSE-Z）＜0时，则预测点的位置处于合理范围，可以采用该预测点，若（MSE-Z）≥0时，则将预测值输入S302中；

S302，当预测点的MSE系数过大，则计算预测点与真实网格点的位置相似度，通过对预测点的极坐标数据对预测点的位置进行判断，将真实网格点的极坐标数据与预测点的极坐标数据带入中，其中指在网格点(i,j)处的预测概率，指在格点(i,j)处的真实值；M、N分别为输入的行与列，通过FSS的数据绘制出示意图，若示意图中真实网格点与预测点的距离小于一个距离库，则预测点为合理预测，若示意图中真实网格点与预测点的距离大于一个距离库，则预测点为不合理预测，将要对预测点进行删除。

2.根据权利要求1所述的基于雷达回波的在线深度学习台风中心定位系统，其特征在于，在步骤S100中，将通过同一时间下雷达回波获取的台风各点的速度数据v和反射率数据f，并且对不同的仰角a，和高度信息h，对速度数据v根据不同的仰角层投影到直角坐标系上，以及对反射率数据f根据不同高度层投影到直角坐标系上，构建数组包括：速度仰角层和反射率高度层，将速度仰角层和反射率高度层从上至下堆叠。

3.根据权利要求2所述的基于雷达回波的在线深度学习台风中心定位系统，其特征在于，在步骤S300中，数据预处理包括：将上述获取的数组进行数据清洗以及归一化处理，删除数据集中的无关数据，重复数据，平滑噪声数据，并且筛选掉与预测无关的数据，处理缺失值，异常值。