[发明专利]一种基于天气雷达的短临智能外推方法

说明书

本发明提供了一种基于天气雷达的短临智能外推方法，所述方法包括对风暴单体历史个例的收集、识别和追踪，将获取的n+1项风暴单体轨迹序列作为范例存储于数据库中，当进行天气预测时，将获取的n项实时风暴单体序列与数据库中的所有范例进行相似度计算，找出相似度最高的范例，将该范例的第n+1项作为下个时次的风暴单体，以此计算出所有单体轨迹下个时次的状态，构成所预测的下个时次的天气状况，同时将新获取的实时风暴单体序列作为范例，存储于数据库中，以进行自学习。所述方法综合机器学习，构建起基于范例推理的短临外推专家系统，并结合客观预报的方法对天气变化进行相似性预测，提高了灾害性短时天气的预警水平。

技术领域

本发明涉及气象学天气预测技术领域，特别涉及一种基于天气雷达的短临智能外推方法。

背景技术

对流天气的临近预报是指对未来0～2小时的对流天气系统及其所伴随的灾害性天气的发生、发展、演变和消亡的预报，强对流天气是影响我国的主要灾害性天气之一，具有空间尺度小、生命史短、突发性强、发展演变迅速、破坏力大等特点，因此，针对强对流天气的临近预报一直是气象预报工作的重点和难点。

目前传统的天气预测方法有两种，即数值天气预报(NWP)法和基于光流矢量的天气预测方法。数值天气预报法是一种先对大气进行物理建模，再通过模拟物理模型进行预测的方法，该方法的优势体现在对于长时间范围内的天气预测比较准确，但是对0～2小时内的天气状况无法预测，因此不宜使用NWP方法进行短临预报。另一种在实际中得以应用的天气预测方法是基于光流矢量的方法，该方法是先通过两个雷达回波图像来估算光流矢量，该光流矢量可以理解为云的运动方向，然后根据最后一张雷达图进行合理的外推，得到最终的预测结果，该方法在0～2小时内的短临预测结果准确度更高。

以上基于雷达资料的短临外推预报方法的研究思路主要是围绕着单个天气变化过程中的对流单体演变过程，并未考虑不同天气变化过程中的不同对流单体间的类比，且缺乏自学习能力。

发明内容

发明目的：针对上述现有技术存在的问题和不足，本发明提供了一种基于天气雷达的短临智能外推方法，综合机器学习方法，构建起基于范例推理的短临外推专家系统，并结合客观预报的方法对天气变化进行相似性预测，提高了灾害性短时天气的预警水平。

技术方案：本发明提供了一种基于天气雷达的短临智能外推方法，包括以下步骤：

步骤a：收集某个地区天气个例雷达基数据；

步骤b：提取每一时刻雷达基数据中的所有风暴单体，并提取、追踪其特征，获得若干条长度不等风暴单体轨迹序列；

步骤c：将获得的若干条长度不等风暴单体轨迹序列，切割成长度为n+1的风暴单体轨迹范例存储于数据库中；

步骤d：当进行天气预测时，读取当前n个时次的雷达基数据，利用SCIT识别、追踪，获得若干条长度为n的风暴单体轨迹序列，将该序列分别与数据库中所有历史风暴单体的前n项的轨迹范例进行相似度计算，找出相似度最高的范例，将该范例的第n+1项作为下个时次的风暴单体。按此方法计算出所有单体轨迹下个时次的状态，构成所预测的下个时次的天气状况，写为雷达基数据；

步骤e：按照步骤d进行迭代预测，直至推算出未来2小时全部的天气状况；

步骤f：将新获取的风暴单体序列切割成长度为n+1的范例，存储于数据库中，进行自学习，丰富范例库。

所述步骤b中提取风暴单体的方法为风暴单体识别追踪算法，提取的风暴单体特征包括当前季节、风暴体序列号、单体质心坐标、所在的仰角、质量权重体积、最大反射率、移动方向、移动速度。所述步骤d中，在进行相似度计算时，所筛选的历史风暴单体的形成位置位于地理相似判断范围内，所述地理相似判断范围为以待预测风暴单体的形成位置为圆心，半径不大于预设纬距的范围。