[發明專利]一種基于卷積神經網絡的颮線識別方法

有效

• 申請號: 202011554225.3
• 申請日: 2020-12-24
• 公開（公告）號: CN112686290B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 王新敏;栗晗;金子琪;張霞;鮑艷松
• 申請（專利權）人: 河南省氣象臺;南京雨點氣象科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/04
• 代理公司: 北京思創大成知識產權代理有限公司 11614
• 代理人: 高爽

一種基于卷積神經網絡的颮線識別方法，該方法包括以下步驟：S1樣本預處理步驟，獲取雷達樣本數據在笛卡爾坐標下的組合反射率；S2建立颮線識別模型步驟：構建視覺幾何組網絡VGG，識別樣本，獲取颮線識別模型；S3識別步驟：獲取待識別的雷達樣本數據集，按照步驟S1的預處理步驟，獲取組合反射率；輸入步驟S2獲取的颮線識別模型進行識別，獲取表示待識別的雷達樣本數據屬于颮線回波和非颮線回波概率的向量，選取概率最大值作為分類結果。本發明的識別方法對于颮線分裂或者合并的時刻識別率更高，經過大量樣本檢驗，時間外延性好。

技術領域

本發明涉及雷達資料分析領域，更具體地，涉及基于卷積神經網絡的颮線識別方法。

背景技術

颮線是由許多雷暴單體側向排列而形成的強對流云帶，是一種典型的中尺度對流系統，其水平尺度長、寬均約幾十至上百公里，持續時間幾小時至十幾小時。颮線出現時通常伴有雷暴、大風、冰雹等災害性天氣，給人民生活和社會生產帶來極大的危害。

雷達資料具有高時間分辨率和高空間分辨率的特點，對于中尺度對流天氣的臨近預報具有獨特的優勢，利用雷達資料可以解決颮線的自動識別問題。目前，基于雷達資料識別和預報中尺度對流天氣已發展了多種算法，如基于交叉相關法的利用相關跟蹤雷達回波(Tracking Radar Echoes by Correlation，TREC)、基于單體質心法的風暴識別、追蹤、分析和臨近預報(Thunderstorm Identification,Tracking,Analysis,and Nowcasting，TITAN)和風暴單體識別、追蹤和預報算法(StormCell Identification and Trackingalgorithm，SCIT)等，這些算法已成為各個短臨預報系統的重要組成部分。有學者進一步提出了專門針對颮線的自動識別算法，楊吉等擬合橢圓長軸設計動態模板和得分函數，實現了雷達拼圖資料上的線狀中尺度對流系統(Mesoscale convective systems,MCSs)的自動識別和跟蹤，其線性得分值能較好地反映MCSs各個階段的線性狀態。

目前，自動識別算法的核心思路是提取颮線的若干圖像特征作為因子，將其放入數學模型中，并與事先設定的閾值進行對比從而識別颮線，但是該方法采用個別颮線樣本用于建模和檢驗，缺少大量颮線樣本的實驗結果。此外由于分裂或者合并使得系統重心位置位移過大，會造成在颮線分裂或者合并的時刻識別不出的情況發生，跟蹤效果較差。

發明內容

本發明的目的是針對現有颮線識別方法所存在的問題，提出一種基于卷積神經網絡的颮線識別方法。

本發明的技術方案是：

本發明提供一種基于卷積神經網絡的颮線識別方法，該方法包括以下步驟：

S1、樣本預處理步驟：獲取雷達樣本數據集，對雷達樣本數據為颮線回波還是非颮線回波進行人工標識；對于對雷達樣本數據進行預處理，獲取雷達樣本數據在笛卡爾坐標下的組合反射率；

S2、建立颮線識別模型步驟：

構建視覺幾何組網絡VGG，整個網絡包括1個輸入層，8個卷積層，5個池化層、若干個全連接層和1個輸出層；

將雷達樣本數據在笛卡爾坐標下的組合反射率作為網絡輸入，該輸入為360×360分辨率的雷達組合反射率矩陣，經過8次卷積和5次池化后得到5×5大小、256個通道的特征圖，然后拉伸為一個長度為6400的一維向量，經過所有全連接層后映射為一個長度為2的一維向量，分別表示為輸入的雷達組合反射率矩陣屬于颮線回波和非颮線回波的概率，選取概率最大值作為分類結果；

將分類結果與人工標識進行比對，更新模型，迭代預設的次數，獲取颮線識別模型；

S3、識別步驟：獲取待識別的雷達樣本數據集，按照步驟S1的預處理步驟，獲取組合反射率；輸入步驟S2獲取的颮線識別模型進行識別，獲取表示待識別的雷達樣本數據屬于颮線回波和非颮線回波概率的向量，選取概率最大值作為分類結果。