[發明專利]一種颮線風風速預測方法

有效

• 申請號: 202010954611.5
• 申請日: 2020-09-11
• 公開（公告）號: CN112149536B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 周象賢;鄭昕;王少華;王振國;姜文東;劉巖;段靜鑫;邵先軍;李特;周路遙;李乃一;曹俊平
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/764;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 張建青

本發明公開了一種颮線風風速預測方法。本發明采用的技術方案為：S1)收集歷史颮線樣本，進行數據預處理和數據增廣；S2)通過卷積神經網絡學習和訓練基于CNN的颮線判別模型，具體內容為：傳入雷達反射率圖片為數據，首先將圖像以灰度圖模式讀取，提取其中的反射率因子，然后進行預處理，為最后訓練形成的颮線判別模型預先提取重要特征，提高颮線判別模型精度，訓練得到颮線判別模型；S3)利用颮線判別模型判別是否颮線，是則輸出結果文件，否則回到步驟S3等待預測下一個雷達反射率圖片。本發明采用卷積神經網絡識別，能識別出快速變化的雷達實時圖像，從而得出颮線風的實時風速，穩定可靠。

技術領域

本發明涉及自然災害預測方法，尤其是一種颮線風風速預測方法。

背景技術

颮線風是由若干個雷雨云單體排列而形成一條狹長的雷暴雨帶，屬強對流天氣范疇。通常，颮線經過的地方，風向急轉，風速急劇增大，并伴有雷雨、大風、冰雹、龍卷等災害性天氣，具有突發性強、破壞力大的特點，往往使人們防不勝防。有時天空白云朵朵，轉眼之間，滾滾烏云便壓上頭頂，接著雷電交加，大雨傾盆，狂風裹著冰雹襲來。

現有的一些颮線風風速預測方法，不能快速有效地預測颮線風實時風速。

發明內容

有鑒于此，本發明提供一種颮線風風速預測方法，其采用卷積神經網絡識別快速變化的雷達實時圖像，從而得出颮線風的實時風速。

為此，本發明采用如下的技術方案：一種颮線風風速預測方法，其包括步驟：

S1：收集歷史颮線風樣本，進行數據預處理和數據增廣；

S2：通過卷積神經網絡學習和訓練基于CNN的颮線風判別模型，具體內容為：傳入雷達反射率圖片，首先將圖像以灰度圖模式讀取，提取其中的反射率因子，然后進行以下預處理：1)圖像以0.2的概率隨機翻轉；2)對圖像進行適當的膨脹腐蝕操作和扭曲操作，以實現對訓練數據的增廣操作；3)對圖像進行閾值化處理，反射率小于40dbz的像元賦值為0，40dbz以上的像元保留；4)得到閾值化處理之后的圖像，對其中像素面積小于輸入圖像總面積0.06％的連通區域進行剔除操作，以保留下主要信息；通過上述操作，為最后訓練形成的颮線風判別模型預先提取重要特征，提高颮線風判別模型精度，最后訓練得到颮線風判別模型；其中，以0.2的概率隨機翻轉的圖像用于訓練階段以增廣數據集，測試階段不需要進行該操作；

S3：颮線風判別模型訓練完畢后，輸入需要預測的雷達反射率圖片，首先對圖像進行閾值化處理，小于40dbz的像元賦值為0，40dbz以上像元保留；其次對其中像素面積小于輸入圖像總面積0.06％的連通區域進行剔除操作，以保留下主要信息；然后分別對圖像進行水平、垂直、水平+垂直翻轉操作，連同剔除操作后所得到的圖像，共計4幅圖，全部輸入颮線風判別模型；利用颮線風判別模型判別是否颮線，得到四個結果，進行加權平均得到最終結果，是則輸出結果文件，否則回到步驟S3等待執行下一張雷達反射率圖片。

卷積神經網絡是目前深度學習技術領域中非常具有代表性的神經網絡之一，在圖像分析和處理領域取得了眾多突破性的進展，在學術界常用的標準圖像標注集ImageNet上，基于卷積神經網絡取得了很多成就，包括圖像特征提取分類、場景識別等。卷積神經網絡相較于傳統的圖像處理算法的優點之一在于避免了對圖像復雜的前期預處理過程，尤其是人工參與圖像預處理過程，卷積神經網絡可以直接輸入原始圖像進行一系列工作，至今己經廣泛應用于各類圖像相關的應用中。

進一步地，步驟S1的具體內容如下：選用的訓練數據是雷達監測站多年的所有颮線案例附近時間段的雷達數據，提取數據之后，從中獲得颮線風樣本和非颮線風樣本；標注完成之后，存儲為uint8格式，便于讀取；訓練過程中，90％的數據作為訓練集，剩余10％的數據作為驗證集。