基于雷达回波的雷暴大风识别算法研究

发布时间：2021-05-25 16:37

　　雷暴大风是一种严重且常见的中小尺度气象灾害天气。雷暴大风天气一般由多个雷暴单体或超级单体构成的狭长状飑线引起,雷暴大风天气具有生成时间短、强度大、破坏力强、变化快、防御困难等特点,常对工农业的生产、人民的生活以及交通运输等行业造成严重的危害。相比于中长尺度的气象灾害现象,雷暴大风的识别和预测十分具有挑战性,气象领域的中外学者对此问题做了大量预报及预警方面的研究。利用机器学习和深度学习方法进行雷暴大风识别的研究,目前仍然处在前沿探索阶段,因此本课题的研究不仅具备较高的学术价值,同时拥有紧迫的现实意义。针对雷暴大风识别任务,本文基于深圳市气象局提供的广东省2015-2017年的雷达回波拼图数据、气象自动观测站数据,构建雷暴大风样本集,并进行雷达回波杂波滤除、噪声样本剔除等数据预处理。本文使用十种基于传统机器学习的雷暴大风识别方法,通过提取雷达组合反射率、垂直液态水含量（VIL）、雷达回波顶高等共十种雷达特征,对雷暴大风区域进行识别。为了减少雷暴大风的误识别率,本文设计基于形态学的飑线分割方法,仅对飑线区域的雷达回波进行雷暴大风识别,在提升识别速度的同时,有效提升雷暴大风的识别率。为充分利用... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究的背景与意义
    1.2 国内外相关研究概况
        1.2.1 气象领域雷暴大风识别研究现状
        1.2.2 基于深度学习识别方法研究现状
        1.2.3 雷达回波飑线分割方法研究现状
    1.3 本文研究内容
    1.4 本文的组织结构
第2章 相关研究内容及方法
    2.1 雷暴大风识别研究资料
        2.1.1 雷达回波数据介绍
        2.1.2 自动观测站数据介绍
        2.1.3 雷暴大风样本集构建
    2.2 卷积神经网络简介
        2.2.1 卷积神经网络原理及基本结构
        2.2.2 常见卷积神经网络模型
    2.3 循环神经网络简介
        2.3.1 循环神经网络原理及基本结构
        2.3.2 常见循环神经网络模型
    2.4 本章小结
第3章 基于传统机器学习的雷暴大风识别方法
    3.1 机器学习算法识别流程
    3.2 样本预处理及特征工程
        3.2.1 样本预处理
        3.2.2 特征工程
    3.3 基于传统机器学习的识别方法
        3.3.1 机器学习方法
        3.3.2 机器学习方法实验对比
    3.4 基于形态学的飑线分割方法
        3.4.1 基本形态学运算
        3.4.2 飑线分割流程
    3.5 本章总结
第4章 基于时-空循环卷积网络的雷暴大风识别方法
    4.1 深度学习算法识别流程
    4.2 卷积神经网络模型
        4.2.1 网络模型设计思路
        4.2.2 网络模型具体结构
    4.3 空间上下文循环卷积神经网络模型
        4.3.1 网络模型设计思路
        4.3.2 网络模型具体结构
    4.4 时间循环卷积神经网络模型
        4.4.1 网络模型设计思路
        4.4.2 网络模型具体结构
    4.5 时空循环卷积神经网络模型
        4.5.1 网络模型设计思路
        4.5.2 网络模型具体结构
    4.6 本章总结
第5章 雷暴大风识别相关实验及系统展示
    5.1 实验环境及实验数据
        5.1.1 实验环境
        5.1.2 实验数据
    5.2 实验设置及结果分析
        5.2.1 实验设置
        5.2.2 实验结果及分析
    5.3 雷暴大风识别系统
        5.3.1 数据网格化及大风区域构建
        5.3.2 雷暴大风识别流程及界面展示
    5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]基于小波和Hu矩的飑线雷达回波识别[J]. 程凌舟,何建新,曾宪军.  成都信息工程大学学报. 2017(04)
[2]基于模糊逻辑的雷暴大风和非雷暴大风区分方法[J]. 周康辉,郑永光,王婷波,蓝渝,林建.  气象. 2017(07)
[3]飑线优化识别及雷暴大风分析[J]. 李哲,李国翠,刘黎平,杨吉.  高原气象. 2017(03)
[4]京津冀一次飑线过程的精细时空演变特征分析[J]. 刘莲,王迎春,陈明轩.  气象. 2015(12)
[5]江淮地区弓状回波的分布和环境特征分析[J]. 罗爱文,朱科锋,方茸,金龙,赵坤.  气象. 2015(05)
[6]两次飑线过程中短时强降水和冰雹强度差异及成因分析[J]. 丁治英,王楠.  气象科学. 2015(01)
[7]基于动态模板函数的线状中尺度对流系统自动识别[J]. 杨吉,刘黎平,夏文梅,徐芬,徐坤.  气象. 2014(11)
[8]利用雷达回波三维拼图资料识别雷暴大风统计研究[J]. 李国翠,刘黎平,连志鸾,周淼,李哲.  气象学报. 2014(01)
[9]基于雷达三维组网数据的对流性地面大风自动识别[J]. 李国翠,刘黎平,张秉祥,于楠,常山英.  气象学报. 2013(06)
[10]基于显著性特征的大冰雹识别模型[J]. 王萍,潘跃.  物理学报. 2013(06)

博士论文
[1]基于强对流数值模拟的贵州冰雹识别及临近预报方法研究[D]. 王瑾.中国气象科学研究院 2008



本文编号：3205667