[發明專利]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

• 申請號: 201911079020.1
• 申請日: 2019-11-07
• 公開（公告）號: CN110852245B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 李海;孫婷逸;尚金雷;馮青
• 申請（專利權）人: 中國民航大學
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/214;G06F18/2415
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 龐學欣

本發明公開了一種基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法。其首先對輸入偏振參量進行離散化處理，然后使用離散化后的數據構造離散屬性的貝葉斯網絡，充分利用先驗信息確定類先驗概率，最后根據貝葉斯原理實現對降水粒子的分類。與傳統FLA分類算法相比，本發明方法提高了對降水粒子的識別率，有效避免了傳統方法中因概率模型或隸屬度函數的選擇造成的誤差，對冰晶等非單峰分布的降水粒子識別能力有明顯提升，算法可操作性和泛化性更強。仿真實驗驗證了本發明方法的有效性。

技術領域

本發明屬于氣象雷達信號處理技術領域，特別是涉及一種基于離散屬性貝葉斯網絡(BNT)的雙偏振氣象雷達降水粒子分類方法。

背景技術

云內降水粒子相態的合理識別在云降水物理、人工影響天氣等領域具有非常重要的科學意義，不僅對了解水凝物在云中的生成和轉換、提高降水量的測量精度有重要的應用價值，而且能為人工影響天氣的決策和評估提供重要的參考依據。

由于傳統的單偏振氣象雷達只發射和接受單一方向的功率信息，因此得到的信息有限，限制了其對降水粒子分類的準確性。雙線偏振氣象雷達作為一種新型的天氣信號回波探測工具，由于能同時發射和接收水平與垂直極化方向的信號，較傳統的單偏振氣象雷達可以獲得更多的極化信息，因而在天氣信號處理中的降水粒子分類方面具有一定的優勢。

目前雙偏振氣象雷達降水粒子分類方法的研究主要集中在兩大領域，一類是基于模糊邏輯分類算法(Fuzzy?Logic?Algorithms,FLA)的降水粒子分類方法，另一類是基于機器學習理論的降水粒子分類方法。其中模糊邏輯分類算法第一次被應用到雙偏振氣象雷達降水粒子分類中是在1996年，Straka等根據不同類型的降水粒子的偏振參量具有不同取值范圍提出了基于模糊邏輯分類算法的降水粒子分類算法并取得成功。此后對FLA的研究大部分專注于對隸屬度函數(Membership?Function，MF)的改進、對特定降水粒子識別的研究以及提高模糊邏輯分類算法的魯棒性。但其一直存在的問題：不同降水粒子的偏振參量隸屬度函數的選取以及不同降水粒子權重的確定方式都需要依靠專家經驗，這個問題一直沒有得到有效解決。

二十世紀七十年代以來，隨著機器學習理論的再次興起，布爾決策樹方法、支持向量機(Support?Vector?Machine，SVM)方法以及聚類方法相繼被應用到降水粒子分類中來。其中布爾決策樹方法原理簡單，可以直觀體現數據的特點，但在類別較多時決策樹復雜度呈指數增長；SVM算法在處理2分類問題上表現優越，但在對降水粒子分類問題上需要由2分類構建多分類，相比其他方法，計算量隨類別標簽數量成倍增加；聚類方法具有實現要求低、不需要訓練樣本等優點，但某些降水粒子回波數據在屬性空間中的真實集群并不是類球狀的，傳統聚類方法在面對這種降水粒子時表現欠佳。2008年Marzano等首次探索了貝葉斯方法(Bayes?Approach)在降水粒子分類中的應用，并提出相較模糊邏輯分類算法，貝葉斯方法至少有兩個優點：1)可以處理高維更復雜的信息2)可以充分利用先驗信息。Marzano首先用T-Matrix加上高斯噪聲仿真了雙偏振氣象雷達回波數據，然后提出了用多維高斯模型來估計降水粒子回波數據的聯合概率密度函數，依據貝葉斯原理進行降水粒子分類的方法。但是近年來隨著對降水粒子分布特性深入研究，在分類類別較多時，某些降水粒子(例如冰晶)的雷達回波數據的概率分布呈雙峰性，繼續使用高斯模型會因模型的選取而帶來較大誤差。并且Marzano僅采用溫度信息作為附加信息確定類先驗概率信息，沒有作更全面的考慮。

發明內容

為了解決上述問題，本發明的目的在于提供一種基于離散屬性BNT的雙偏振氣象雷達降水粒子分類方法。

為了達到上述目的，本發明提供的基于離散屬性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：