[发明专利]小波变换和支持向量机结合雷达反射率的动态短临定量降水估测方法

说明书

本发明公开了一种小波变换和支持向量机结合雷达反射率的动态定量降水估测方法，属于大气科学领域。首先构建雷达回波和自动站降雨量的匹配库，根据估测时间获取历史一小时的样本并进行小波变换，在小波域内构建并训练支持向量机模型，获得小波域下动态的降水估测模型，在雷达测得降水回波的反射率因子后在小波域内进行预测，可得到待估测降雨量的小波系数，对其进行小波逆变换之后即为6分钟的估测降雨量。本发明结合小波变换的数据描述和支持向量机在小样本学习中的优势，进行短时动态定量降水估测，保证了估测结果的精确性和有效性。实验表明，无论是计算均方根误差还是进行TS评分，本发明的估测结果均优于用Z‑I关系进行降水估测的效果。

技术领域

本发明属于大气科学领域，尤其涉及基于小波变换和支持向量机的动态雷达反射率定量降水估测方法。

背景技术

雷达定量降水估测是短时临近预警的一个重要参考，目前，雷达估计降水方法主要分为两类，一类是利用Z-I关系确定降水强度，测量降水分布，另一类是基于雨量计在点上的测量联合雷达估测降水强度。

利用Z-I关系确定降水强度的基理是基于反射率因子和降水率之间的正相关关系，将回波功率转化为雷达反射率Z值，建立反射率因子和降水量之间的经验关系，在雷达测得降水回波的反射率因子后根据相应的经验公式估计降水量，对时间累加可以得到一段时间内的累积降水量。缺点是遇到雷达测量误差和雨量资料有误差时无法及时订，且受到雷达本身、降水类型、雷达探测高度、超折射率、地面降水的差异和风等多种因素影响，使得雷达估计值和地面雨量计测量值之间存在差异，增强了雷达反射率因子和降雨量之间的不确定性与随机性。

雨量计联合雷达估测降水是利用雨量计站点资料，结合雷达反射率因子测量的降水，来提高雷达降水测量的精度。相关学者据此提出了许多技术研究成果，诸如变分法、卡尔曼滤波法、概率配对法、基于地形的加权随机森林法等。然而在实际气象业务的应用中这些方法的效果并不明显，最常用的还是分型Z-I关系，Z-I关系估测结果较容易受其他因素的影响，估测误差通常比较大。

发明内容

为了解决上述技术问题，本发明提供了一种小波变换和相关向量机结合雷达反射率的动态短临定量降水估测方法，旨在解决现有的雷达定量降水估测问题存在的降雨量预测误差大，应用范围受限等问题。

本发明旨在提供一种结合雷达反射率的动态短临定量降水估测方法，所述方法包括以下步骤：

S1，获取某个地区的6分钟雷达回波数据和5分钟的自动站降雨量数据库。

S2，根据5分钟的自动站降雨数据取平均，获得每分钟的降水数据，然后根据雷达回波数据的时间将对应时间段内的降水数据进行累加，获得6分钟的降水数据。

S3，对雷达回波数据和自动站降雨量数据根据时间和经纬度进行匹配，获得雷达回波与反射率一一对应的样本库。

S4，选取历史一小时的雷达回波和自动站降雨量对应数据，分别进行平稳小波变换，分别得到高频和低频下，多尺度的雷达回波和降雨量的小波系数，这里的尺度与一小时内的样本量有关，设历史一小时得样本量为n，2ⁿ¹≤n＜2ⁿ¹⁺¹，则小波变换的尺度为n1。

S5，将S3所获得的小波系数作为训练样本，分别在高频和低频下，在小波变换的每个尺度中，训练对应的基于支持向量机的模型，最后终得到n1个高频下的支持向量机模型和n1个低频下的支持向量机模型。

S6：获得当前时刻的6分钟雷达降水回波数据，同样进行平稳小波变换，获得高频和低频下，多尺度的雷达回波小波系数。

S7：把S6中获得待估测的雷达回波小波系数作为输入，把相同高频/低频通道，相同小波变换尺度的系数输入到相应的支持向量机模型中，可得到高频和低频下，不同尺度的待估测6分钟降雨量的小波系数。