[發(fā)明專利]基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法

有效

• 申請?zhí)枺?/td>: 201911079020.1
• 申請日: 2019-11-07
• 公開（公告）號: CN110852245B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計）人: 李海;孫婷逸;尚金雷;馮青
• 申請（專利權(quán)）人: 中國民航大學(xué)
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/214;G06F18/2415
• 代理公司: 天津才智專利商標(biāo)代理有限公司 12108
• 代理人: 龐學(xué)欣

1.一種基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法，其特征在于：所述的基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法包括按順序進行的下列步驟：

1)獲取雙偏振氣象雷達的實測偏振參量數(shù)據(jù)，從中隨機選取部分或全部數(shù)據(jù)作為離散化數(shù)據(jù)集，同時選取部分?jǐn)?shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，采用基于粗糙集信息熵的離散化算法對離散化數(shù)據(jù)集中的離散化數(shù)據(jù)進行離散化而獲得離散化標(biāo)準(zhǔn)，之后利用離散化標(biāo)準(zhǔn)對訓(xùn)練數(shù)據(jù)集中的訓(xùn)練數(shù)據(jù)進行離散化的S1階段；

2)使用上述訓(xùn)練數(shù)據(jù)集中離散化后的訓(xùn)練數(shù)據(jù)對貝葉斯網(wǎng)絡(luò)進行基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)以及與學(xué)得結(jié)構(gòu)相對應(yīng)的參數(shù)學(xué)習(xí)，獲得條件概率密度表，并完成貝葉斯網(wǎng)絡(luò)分類器構(gòu)建的S2階段；

3)利用融化層信息、異常值信息以及場景影響信息計算出降水粒子的類先驗概率的S3階段；

4)將步驟2)中獲得的條件概率密度表、步驟3)中獲得的降水粒子的類先驗概率輸入到步驟3)中構(gòu)建的貝葉斯網(wǎng)絡(luò)分類器中，由此進行降水粒子分類的S4階段。

2.根據(jù)權(quán)利要求1所述的基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法，其特征在于：在步驟1)中，所述的獲取雙偏振氣象雷達的實測偏振參量數(shù)據(jù)，從中隨機選取部分或全部數(shù)據(jù)作為離散化數(shù)據(jù)集，同時選取部分?jǐn)?shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，采用基于粗糙集信息熵的離散化算法對離散化數(shù)據(jù)集中的離散化數(shù)據(jù)進行離散化而獲得離散化標(biāo)準(zhǔn)，之后利用離散化標(biāo)準(zhǔn)對訓(xùn)練數(shù)據(jù)集中的訓(xùn)練數(shù)據(jù)進行離散化的方法是：

對離散化數(shù)據(jù)集中數(shù)據(jù)進行排序去重，取相鄰兩個數(shù)據(jù)的中點值作為候選斷點集合，結(jié)果斷點集初始化為空集；計算候選斷點對論域的信息熵值，取最小者加入到結(jié)果斷點集合中，之后計算離散化數(shù)據(jù)集中的樣本值與結(jié)果斷點集合中每一個元素的歐氏距離集合，找到與歐氏距離集合中最小元素對應(yīng)的斷點與樣本值，令該斷點代替樣本值；根據(jù)這個最小歐式距離準(zhǔn)則，更新離散化數(shù)據(jù)集中全部樣本的值可得到一個新的決策表，判斷新決策表的相容性，迭代直到整個決策表相容為止；最終輸出的結(jié)果斷點集合D稱為離散化標(biāo)準(zhǔn)；得到的離散化標(biāo)準(zhǔn)用最小歐式距離準(zhǔn)則更新訓(xùn)練數(shù)據(jù)集，可得到離散化的訓(xùn)練數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法，其特征在于：在步驟2)中，所述的使用上述訓(xùn)練數(shù)據(jù)集中離散化后的訓(xùn)練數(shù)據(jù)對貝葉斯網(wǎng)絡(luò)進行基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)以及與學(xué)得結(jié)構(gòu)相對應(yīng)的參數(shù)學(xué)習(xí)，獲得條件概率密度表，并完成貝葉斯網(wǎng)絡(luò)分類器構(gòu)建的方法是：

基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)是：計算兩兩屬性節(jié)點間的互信息，并且選取大于門限值的節(jié)點對建立無向邊；之后對建立的無向邊定向，定向原則是與類節(jié)點互信息值大的屬性節(jié)點指向與類節(jié)點互信息值小的屬性節(jié)點；如果求得的貝葉斯網(wǎng)絡(luò)中存在成環(huán)的部分，則去掉環(huán)中互信息最小的邊，最終得到一個有向無環(huán)圖；與學(xué)得結(jié)構(gòu)相對應(yīng)的參數(shù)學(xué)習(xí)的方法是：對離散化后的訓(xùn)練數(shù)據(jù)進行統(tǒng)計計數(shù)，然后根據(jù)結(jié)構(gòu)學(xué)習(xí)學(xué)得的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)以及偏振參量的不同取值求出每種組合情況相應(yīng)的概率，之后進行拉普拉斯平滑處理構(gòu)成條件概率密度表。

4.根據(jù)權(quán)利要求1所述的基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法，其特征在于：在步驟3)中，所述的利用融化層信息、異常值信息以及場景影響信息計算出降水粒子的類先驗概率的方法是：

某雷達距離單元內(nèi)不存在某種降水粒子，將該降水粒子類先驗概率置為0，否則為1；屬性范圍內(nèi)禁止存在的降水粒子先驗概率置為0；針對應(yīng)用場景對降水粒子分類的影響，適當(dāng)提高或降低對應(yīng)降水粒子的類先驗概率。