人工智能在冰雹识别及临近预报中的初步应用

发布时间：2021-01-28 08:22

　　基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008—2013和2015—2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。 

【文章来源】：气象学报. 2019,77(02)北大核心

【文章页数】：10 页

【文章目录】：
1 引 言
2 资料和方法
    2.1 资料及前处理
    2.2 总体技术路线
    2.3 正样本提取方法
    2.4 负样本提取方法
    2.5 机器学习过程
    2.6 AI识别流程
3 结果验证
    3.1 统计对比
    3.2 个例分析
        （1） 2014年8月1日过程
        （2） 2016年7月30日过程
4 结论与展望


【参考文献】：
期刊论文
[1]光流法及其在临近预报中的应用[J]. 曹春燕,陈元昭,刘东华,李程,李辉,贺佳佳.  气象学报. 2015(03)
[2]贝叶斯机器学习前沿进展综述[J]. 朱军,胡文波.  计算机研究与发展. 2015(01)
[3]关于冰雹的融化层高度[J]. 俞小鼎.  气象. 2014(06)
[4]雷暴与强对流临近天气预报技术进展[J]. 俞小鼎,周小刚,王秀明.  气象学报. 2012(03)
[5]X波段双线偏振雷达冰雹识别初步研究[J]. 苏德斌,马建立,张蔷,吕达仁.  气象. 2011(10)
[6]基于多雷达三维插值格点强冰雹诊断因子的强冰雹识别方法[J]. 王瑾,李明元,汪华.  高原气象. 2010(06)
[7]改进的雷达回波顶高、垂直积分液态水含量及其密度算法[J]. 肖艳姣,马中元,李中华.  暴雨灾害. 2009(03)
[8]雷暴云团自动识别和边界相关追踪技术研究[J]. 兰红平,孙向明,梁碧玲,毛辉,张文海.  气象. 2009(07)
[9]冰雹和低空风切变天气的多普勒雷达回波特征[J]. 胡家美,刘峰,黄奕铭,梁蕾蕾,潘军.  广东气象. 2008(01)
[10]冰雹云雷达识别方法及防雹作业经验[J]. 周德平,杨洋,王吉宏,宫福久,李子华.  气象科技. 2007(02)



本文编号：3004660