[發明專利]一種非降水條件下大氣邊界層高度探測方法和系統

有效

• 申請號: 201711237955.9
• 申請日: 2017-11-30
• 公開（公告）號: CN108256546B
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 艾未華;戈書睿;陳冠宇
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06F17/14
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;張倩倩

1.一種非降水條件下大氣邊界層高度探測方法，其特征是，包括：

S1，獲取多組時空匹配的風廓線雷達探測數據與毫米波測云雷達的探測數據，作為支持向量機的訓練樣本數據；

S2，選擇支持向量機的核函數，以樣本數據中風廓線雷達探測數據作為支持向量機的輸入，毫米波測云雷達的探測數據作為訓練參考值，進行訓練，得到云識別分類器；

S3，獲取多組時空匹配的風廓線雷達的探測數據與探空數據，將風廓線雷達探測數據中的信噪比SNR數據與時空匹配的探空數據H₀，作為樣本集合；

S4，選擇小波變換時的小波函數，設定小波變換時尺度因子的變化范圍以及變化步長，基于S3樣本集合的各樣本中信噪比SNR數據和小波函數，利用小波變換反演得到對應變化范圍內各尺度因子的、各樣本對應的反演高度數據；

S5，計算S3樣本集合的各樣本對應反演高度數據與探空數據的誤差平方，對于各樣本，以誤差平方值最小時對應的尺度因子作為最優尺度因子；將各樣本中信噪比SNR數據與對應的最優尺度因子，作為用于擬合信噪比SNR數據與最優尺度因子之間函數關系的樣本集；

S6，利用線性回歸算法構造表征信噪比SNR數據與最有尺度因子之間函數關系的多項式函數，利用S5中樣本集求解多項式函數中系數的取值，得到系數已知的多項式函數；

S7，將風廓線雷達實際探測數據中的信噪比SNR數據作為S6得到的多項式函數的輸入，得到對應的最優尺度因子，利用得到的最優尺度因子更新小波變換公式；

S8，利用更新后的小波變換公式對風廓線雷達實際探測數據進行一維連續小波變換，提取出信噪比廓線的突變點以及突變點所對應的高度；

S9，判斷信噪比突變點的數量是否唯一，若唯一，則將此信噪比突變點所對應高度作為大氣邊界層高度，否則將各信噪比突變點高度對應的風廓線雷達探測數據作為S2得到的云識別分類器的輸入，判斷各突變點高度處是否天空有云；

S10，將判斷為天空有云的高度對應的突變點剔除，以判斷為天空無云的突變點高度作為大氣邊界層高度。

2.根據權利要求1所述的方法，其特征是，步驟S1中，獲取的風廓線雷達探測數據包括時域和頻域的回波功率、信噪比、譜寬、偏度、峰度、垂直速度和水平風場數據，毫米波測云雷達的探測數據為有云或無云標識。

3.根據權利要求1所述的方法，其特征是，定義S1獲取的單組時空匹配的風廓線雷達探測數據為t₁,t₂,t₃,t₄,t₅,t₆,t₇，毫米波測云雷達探測數據為輸出特征量y∈{+1,-1}；將風廓線雷達探測數據作為輸入特征量x，則x＝(t₁,t₂,t₃,t₄,t₅,t₆,t₇)；

將(x₁,y₁),…,(x_N,y_N)作為給定樣本集合，構建二次凸規劃問題：

其中，α_i為拉格朗日系數，計算得到最優解的拉格朗日系數，記為α^*；

利用最優解α^*計算最優偏置β^*：

構造決策函數為：

其中K(x_i,x_j)為核函數；決策函數即為云識別分類器；

步驟S7將待判斷是否有云的高度對應的風廓線雷達探測數據，作為云識別分類器的輸入特征量，即可計算得到相應的輸出量f(x)，若f(x)＝+1，則相應的高度為天空有云，若f(x)＝-1，則相應的高度天空無云。

4.根據權利要求3所述的方法，其特征是，核函數K(x_i,x_j)為線性核函數、多項式核函數、徑向基核函數或Sigmoid核函數中的一種。