[发明专利]一种基于改进的Naive Bayesian-CNN多目标分类算法的沙尘暴预测方法

说明书

一种基于改进的Naive Bayesian‑CNN多目标分类算法的沙尘暴预测方法，以“中国强沙尘暴序列及其支撑数据集”，“中国强沙尘暴序列及其支撑数据集”和“中国陆地区域云图(IR1)”为研究对象。本发明首先考虑沙尘暴发生的地面因素，运用朴素贝叶斯算法，对气象台站收集的气象数据进行分析，建立沙尘暴预测模型；其次，考虑到大气运动也对沙尘暴发生产生影响，运用卷积神经网络算法，对红外卫星云图进行分析，建立沙尘暴预测模型；最后，运用多目标算法，对两个沙尘暴预测模型输出概率进行归一化，提出可扩展性强的一种基于改进的Naive Bayesian‑CNN多目标分类算法的沙尘暴预测方法。本发明提供的算法及沙尘暴预测方法，全面考虑地面及大气运动对沙尘暴发生的影响，符合沙尘暴发生特点。

技术领域

本发明属于人工智能以及极端天气预测技术领域，涉及沙尘暴的预测预报，特别涉及一种基于改进的Naive Bayesian-CNN多目标分类算法的沙尘暴预测方法。

背景技术

在地球上的干旱地带，尤其是沙漠及其毗邻地区，常发生沙尘天气，严重的就是沙尘暴。这种自然现象自古而然，是特定的自然地理环境和气候条件使然。全世界只有欧洲未报导过发生沙尘暴，亚洲、非洲、美洲和澳大利亚都有沙尘暴，这和气候的长期且较有规律的和短期且比较无规律的变化有关。全球大面积干旱、沙漠化、洪水及冰冻等自然灾害对人类的威胁有频发和逐渐加重的趋势。根据联合国环境计划署公布，全球有35％的土地和20％的人口受到干旱、沙漠化的威胁。由此可见，沙尘暴已经对成为影响人类生存和发展的重要自然灾害。

内蒙古中西部地区分布着6大沙漠和沙地，大部分地区地表干旱，降水少，冬春季多大风，是我国沙尘暴的主要源地之一。分析和研究该地区的沙尘暴对我国沙尘暴的研究和预测具有一定意义。因此，深入了解沙尘暴的发生规律和特点，分析研究各种天气气候因素对沙尘暴的影响以及沙尘暴的预测方法，较准确的预测沙尘暴，对防灾减灾，人民生活有着重要作用。

随着沙尘暴的危害日益为广大民众、科研人员乃至政府决策机构所认识和重视，国内外针对中国北方沙尘暴的气候特征已做了不少研究，特别是近10年来我国科研人员对沙尘暴的地理分布和时间(尤其是年际和年代际)变化趋势进行了大量分析研究，由于所使用的资料、方法不尽相同，各人所得的结论也存在很大差异。

卷积神经网络和朴素贝叶斯算法是非常重要的数据挖掘算法，将其应用于气象领域的数据分析和处理，探索各种气象要素间的内在联系，寻找各种潜在规律去揭示未知的气象理论，不但对气象科学研究很重要，而且在丰富天气预报方法、提高天气预报水平等方面产生积极重要的作用。目前,基于数据挖掘方法的气象预报技术是一个非常炙手可热的研究领域，具有较大的研究空间，尽管使用数据挖掘方法挖掘气象资料进行气象预报的文献不是很多，但国内外已经开始了这方面的研究工作，并且已经积累了不少的优秀成果，在气象预报的诸多方面已经取得了突破性的进展，但是由于很多理论和方法还是不够成熟，还有待探究出更多的更有效的气象数据挖掘方法来提高预报能力。

发明内容

为了克服上述基于统计的现有沙尘暴预测模型仅考虑沙尘暴发生时单一因素的缺点，本发明的目的在于提供一种基于改进的Naive Bayesian-CNN多目标分类算法的沙尘暴预测方法，针对沙尘暴预测问题，在满足沙尘暴预测准确率约束的条件下，不断优化模型，从而解决从空间三维视角解决预测沙尘暴问题，达到能够有效预测沙尘暴发生强度及发生位置的目标。

为了实现上述目的，本发明采用的技术方案是：一种基于改进的Naive Bayesian-CNN多目标分类算法的沙尘暴预测方法，首先，考虑到大气运动因素对沙尘暴产生的影响，建立基于卷积神经网络算法的沙尘暴预测模型，考虑到地面气象因素对沙尘暴产生的影响，建立基于朴素贝叶斯算法的沙尘暴预测模型，然后，运用多目标算法，对两个模型进行归一化，得到基于改进的Naive Bayesian-CNN多目标分类算法的沙尘暴预测模型，最后，利用归一化得到的模型，求解在考虑地面气象因素和大气运动因素情况下的沙尘暴发生概率。