[发明专利]基于BP神经网络多类分类的湍流目标探测方法

说明书

一种基于BP神经网络多类分类的湍流目标探测方法，依据湍流回波模型在不同的信噪比条件下分别生成回波幅值序列和与其对应的强度等级组成BP神经网络的训练集和测试集，以使得训练后的BP神经网络将湍流强度分为若干等级，实现湍流探测。本发明无需借助经验公式和参数化模型，利用神经网络的多类分类功能，将气象目标雷达回波幅值序列作为神经网络训练集输入数据，湍流强度等级作为训练集输出数据，仅通过对大量回波数据的学习可有效的确立雷达回波与湍流强度之间的关系，从而可利用神经网络对湍流强度进行分类达到湍流探测的目的。

技术领域

本发明涉及的是一种气象环境监测领域的技术，具体是一种基于BP神经网络多类分类的湍流目标探测方法。

背景技术

目前气象湍流探测方法大多利用经验公式和参数化模型等，经验公式与参数模型的正确性大大影响了探测结果的准确性。其中通过确定的物理原理来探测湍流目标的称为非参数化方法或经验公式方法。现有的湍流强度探测方法，虽然各有优点，但缺点也较为明显，包括在信噪比低的情况下性能较差、在回波数据长度较短的条件下，谱估计性能变差以及方法本身计算复杂性较高，无法保证运算的快速性。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于BP神经网络多类分类的湍流目标探测方法，无需借助经验公式和参数化模型，利用神经网络的多类分类功能，将气象目标雷达回波幅值序列作为神经网络训练集输入数据，湍流强度等级作为训练集输出数据，仅通过对大量回波数据的学习可有效的确立雷达回波与湍流强度之间的关系，从而可利用神经网络对湍流强度进行分类达到湍流探测的目的。

本发明是通过以下技术方案实现的：

本发明依据湍流回波模型在不同的信噪比条件下分别生成回波幅值序列和与其对应的强度等级组成BP神经网络的训练集和测试集，以使得训练后的BP神经网络将湍流强度分为若干等级，实现湍流探测。

所述的等级为1、2、3、4四个等级，即速度谱宽σ_v在0至1.5m/s之间(可忽略)设为等级1，对应神经网络输出y＝[1,0,0,0]^T，在1.5至3.0m/s之间(轻微)设为等级2，对应神经网络输出y＝[0,1,0,0]^T，在3至4.5m/s之间(中度)设为等级3，对应神经网络输出y＝[0,0,1,0]^T，在4.5m/s以上(强)设为等级4，对应神经网络输出y＝[0,0,0,1]^T。

当只考虑判断湍流存在与否，而不用将湍流强度详细分为四个等级时，即当σ_v1.5m/s，湍流等级为2(轻微)、3(中度)、4(强)时，设为湍流存在，对应神经网络输出y＝[0,1]^T；当σ_v1.5m/s，湍流等级为1(可忽略)时，设为湍流不存在，对应神经网络输出y＝[1,0]^T。

本发明涉及一种实现上述方法的系统，包括：数据生成模块、神经网络模块和输出模块，其中：数据生成模块与神经网络模块相连并传输回波幅值序列和与其对应的湍流强度等级信息，神经网络模块与输出模块相连并传输湍流强度等级分类结果信息。

技术效果

与现有技术相比，本发明利用BP神经网络的多类分类功能，通过神经网络对大量气象目标雷达回波数据的有监督学习可有效的确立雷达回波数据与湍流强度之间的非线性关系，无需借助传统的经验公式和参数化模型，即可直接对湍流强度进行分类，如可忽略、轻微、中度、强四个强度等级或直接判断湍流有无，从而达到探测湍流的目的。理论和仿真结果表明，所提出的方法可以有效的进行湍流目标探测。

附图说明

图1为利用神经网络进行湍流强度分类的实现方案图；

图2为信噪比为10dB序列长度为8时的训练与测试准确率；

图3为信噪比为10dB序列长度为16时的训练与测试准确率；