基于层次模型的风暴预报系统研究

《基于层次模型的风暴预报系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要冰雹、龙卷风、暴雨等强对流天气是历时短，破坏力强的灾害性天气之一，目前对强对流天气的预报主要还是依靠短时预报员通过分析众多雷达产品，对比强对流云团回波的各种指标得出最终预报结果。随着天气雷达技术的发展和图像处理技术的应用，进行暴雨和冰雹等强对流天气的自动识别和预报已成为可能。冰雹和暴雨的云图特征很相似，大小冰雹的云图特征也有一定的差距，冰雹或暴雨的到来又往往伴随着大风，因此预报过程中采用单一的识别模式往往难以应对其多变的复杂性。本文主要涉及以下几方面工作：(1)基于风暴特点的特征提取及特征体系构建。通过

2、分析冰雹、暴雨和大风等强对流天气的云图特点，分别从统计、形态、分布和演变四个方面提取特征并组织特征体系。根据冰雹、暴雨和大风的发展特点，将特征有针对性的应用到各类风暴的识别中。(2)实现单层识别模型的设计与训练。依据静态图像的特征，针对大单体、小单体和多核单体分别进行特征分析，选择不同的特征进行分类器的训练以得出效果较好的分类模型。(3)分类器的综合设计和实现。针对风暴预报系统复杂且具有时变性的特点，将层次模型的概念引入预报系统中。整个预报系统整体分为三层：底层粗分类器、基于支持向量机的中层分类器和基于知识

3、的高层分类器，针对不同类型的云团采用不同的识别策略。本系统通过层层递进，相互协调，输出优化的方法综合利用静态云图信息、动态演变信息和专家经验给出最终预报结果和风暴趋势预警，有效解决了单一分类器对于复杂性风暴识别准确率不高，预报不全面的问题。本文所涉及算法均已编程实现，并在样本测试过程中表现出较强的稳定性和良好的测试效果。关键词：特征体系层次模型分类器综合预报ABSTRACTSevereconvectionweatherwhichincludeshailstones，squalllineandrainstor

4、misoneofdisastrousweathers，anditexistsforonlyashorttimebutwithstrongdestructiveforce．Recently,short—termforecasteranalysesradarproductsandgetsfmalconclusionsbycomparingindexesofconvectivecloudcluster．Ithasalreadybeenpossibletorecognizeandforecastsevereconv

5、ectionweatherautomaticallywiththetechnologicaldevelopmentofChineseweatherradarsandtheapplicationofdigitalimageprocessingtechnology．Thecloudcharactersofhailstonesandrainstormareverysimilarandcloudcharactersarealsodifferentbetweenbigandsmallhailstones．Beside

6、s，hailstoneandrainstormarealwaysaccompaniedwithstrongwinds．Hence，thesinglemodeofclassifiercan’tmeetwiththeever-changingcomplexityintheforecasting．Themainworkofthepaperincludes：(1)Characterextractionandcharactersystemconstructionbasedonstormcharacters．Byana

7、lyzingthestrongconvectionweathercloudcharactersofhailstone，rainstormandgale，charactersareextractedandcharactersystemareorganizedfromtheaspectsofstatistics，shape，distributionandevolution．Atlast，applythecharactersystemintheidentificationofallkindsofstormswit

8、hpertinence．(2)Realizationofsinglelayerclassifier'sdesignandtraining．Accordingtotheanalysisofthestaticcharacterofcloudimage，differentcharactersarechosentocarryonthetrainingoftheclassifiersforbig，smallandmulti