基于二维粒子谱仪的固态降水粒子自动分类研究—雪花和霰

发布时间：2021-09-30 15:36

　　固态降水粒子进行准确而细致的分类对许多大气过程及天气雷达的应用是十分重要的。使用二维光学粒子谱仪（2DVD）对单个降水粒子进行测量,并基于测得的粒子微物理参数及特性提供降水过程中一分钟单位时间间隔内主要降水粒子类型的估测,对固态降水粒子进行自动分类。为实现自动分类任务,考虑将该工作与常用的机器学习分类算法相结合,应用朴素贝叶斯,支撑向量机（SVM）,决策树三种监督学习算法对单位时间间隔内的粒子分类。文中将降水粒子归类为雪花和霰两种主要类型,并结合人工检测进行结果验证,最终利用独立的数据集进一步验证,证明分类算法的准确性。 

【文章来源】：成都信息工程大学学报. 2020,35(04)

【文章页数】：10 页

【部分图文】：

2DVD测量原理图

降水粒子的形状参数需要对两个视图的原始图像进行相应的图像处理。经过初步图像处理得到的一些参量定义如图2所示[10]。其中,Pa为通过图像处理获得的粒子图像周长,Aa为面积,W、H分别代表粒子还原图像的最小外接矩形边长。利用这些特征量,可以进一步计算出更多详细的无量纲形状特征参量用以补充描述降水粒子的形状和尺寸参数。

对两类样本分类的SVM模型结构如图3所示。使用带有标准预测变量的二元SVM ECOC学习分类器。为解决输入特征线性不可分的问题,选择高斯径向基核函数(RBF)SVM二元分类器实现粒子自动分类。

【参考文献】：
期刊论文
[1]Classification of Precipitation Types Using Fall Velocity–Diameter Relationships from 2D-Video Distrometer Measurements[J]. Jeong-Eun LEE,Sung-Hwa JUNG,Hong-Mok PARK,Soohyun KWON,Pay-Liam LIN,Gyu Won LEE.  Advances in Atmospheric Sciences. 2015(09)

硕士论文
[1]朴素贝叶斯算法的改进与应用[D]. 马刚.安徽大学 2018



本文编号：3416161