Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于卫星数据的预报云区晴空区TS评分检验方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中国气象局人工影响天气中心

摘要:本发明公开了一种基于卫星数据的预报云区晴空区TS评分检验方法,包括获取预设区域的卫星数据,对所述卫星数据进行预处理,对所述卫星数据进行卫星云检测识别云区获得第一观测数据,对所述卫星数据进行模式预报云区识别获得第二观测数据,对所述第一观测数据和所述所述第二观测数据进行分类获得云晴分类数据,根据所述云晴分类数据进行TS评分获取评分检验函数,根据所述评分检验函数构建预报云区晴空区TS评分检验模型,优化所述预报云区晴空区TS评分检验模型。该方法不仅可以提高预报云区晴空区TS评分检验的精度,同时具有较好的可解释性,可以直接应用于预报云区晴空区TS评分检验系统中。

主权项:1.一种基于卫星数据的预报云区晴空区TS评分检验方法,其特征在于,包括以下步骤:获取预设区域的卫星数据,对所述卫星数据进行预处理;对所述卫星数据进行卫星云检测识别云区获得第一观测数据,对所述卫星数据进行模式预报云区识别获得第二观测数据;对所述第一观测数据和所述所述第二观测数据进行分类获得云晴分类数据,根据所述云晴分类数据进行TS评分获取评分检验函数;所述云晴分类数据包括第一分类数据和第二分类数据;所述第一分类数据采用云检测值对所述第一观测数据进行分类;所述第二分类数据根据水凝物含水量对所述第二观测数据进行分类;根据所述评分检验函数构建预报云区晴空区TS评分检验模型,优化所述预报云区晴空区TS评分检验模型;获取所述第一分类数据的方法,包括:当预设区域每个格点的云检测值为0或1时,表示预设区域有云或者可能有云;当预设区域每个格点的云顶高度大于1km时,表示预设区域有云;当预设区域每个格点的云检测值为2或3时,表示预设区域为晴空或者可能晴空;采用多类分类器根据有无云的情况对第一观测数据进行分类,输出第一分类数据;获取所述第二分类数据的方法,包括:计算第二观测数据的水凝物含水量: 其中水凝物含水量为Fs,云水混合比为Fa,云雨混合比为Fl,云冰混合比为Fc,云雪混合比为Fd,云霰混合比为Fe;当水凝物含水量小于0.001时,第二观测数据的初始分类为无云;当水凝物含水量大于0.001时,第二观测数据的初始分类为有云;计算初始分类后的第二观测数据的基尼指数: 其中第二观测数据中第z个分类的基尼指数为第i个第二观测数据出现在第z个分类中的概率为Pi;根据基尼指数确定最优属性,以最优属性为根对初始分类数据进行二级分类,计算二阶分类的分裂参数: 其中分裂参数为类别z中二级分类的相对频率为Eκ,二级分类的数量为将属性关联到子结点得到属性值分割训练集,计算二级分类下的信息熵: 其中训练集为ε,第二观测数据归于第κ类对象的集合为Lκ,控制因子为信息熵为将训练集按照属性特点进行分类,得到多个相异对象,计算第二观测数据的信息增益: 其中训练集属性特点的数量为z,信息增益为训练集分类需要的信息量为ζ,训练集分区需要的信息量为选择信息增益最高的属性,对叶子节点进行标记,得到高信息增益属性的分值,并且训练集子集都满足分值;当节点处类别都相同时,创建类别号,输出分类结果;优化所述预报云区晴空区TS评分检验模型的方法,包括:计算步长控制因子: 其中最大迭代次数为tmax,位置常数分别为c、h,h小于c,步长控制因子为χo,迭代次数为t,采用莱维飞行更新粒子位置,表达式为: 其中第t次迭代第a个粒子的初始位置为粒子的最佳位置为点乘为随机数为σ,第t+1次迭代第a个粒子首次更新的位置为计算粒子位置和速度: 其中第t+1次迭代第a个粒子二次更新的位置为第t次迭代第a个粒子首次更新的位置为0到1的随机数分别为u1、u2、u3,粒子位置的全局最优解为pfbt,粒子位置的局部最优解为yfbt,第t+1次迭代第a个粒子的速度为惯性权重为η,第t次迭代第a个粒子的速度为第一学习因子为第二学习因子为更新粒子的位置: 其中第一自适应参数为第二自适应参数为第t+1次迭代第a个粒子三次更新的位置为粒子的速度为粒子的搜索角度为l,增益系数为控制面转角为γ。

全文数据:

权利要求:

百度查询: 中国气象局人工影响天气中心 一种基于卫星数据的预报云区晴空区TS评分检验方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。