[发明专利]基于半监督域适应的雨、雪、冰雹分类监测方法

说明书

本发明公开了一种上述基于半监督域适应的雨、雪、冰雹分类监测方法，在各类型降水粒子天气下的雷达波反射率，获取各类型降水粒子天气下的预处理数据，构建携带标签的第一数据集和未携带标签的第二数据集，计算第一协方差矩阵和第二协方差矩阵，确定第一特征子空间，确定第二特征子空间，再根据第一特征子空间和第二特征子空间确定核函数，以根据所述核函数，以第一数据集作为训练样本集，训练初始分类器，对初始分类器进行无监督学习，使得初始分类器去自适应目标领域，获取确定邻接图，优化目标函数，以确定最终分类器，采用最终分类器对雨、雪和冰雹进行分类，可以针对雨、雪、冰雹进行准确分类，使相应的分类监测方案具体更高的准确性。

技术领域

本发明涉及地面气象探测技术领域，尤其涉及一种基于半监督域适应的雨、雪、冰雹分类监测方法。

背景技术

对于雨季集中、暴雨多发的地区或者国家，降水的时空分布异常是引发洪涝灾害、山体滑坡、泥石流等自然灾害的重要因素，对于降水的研究早已超过了一个科学研究的范围。在对降水进行测量研究时，首先要区分降水粒子的类型——雨、雪、冰雹等。目前，对雨、雪、冰雹的识别主要根据天气雷达体扫数据和双偏振多普勒雷达偏振参量的方法。其中用天气雷达体扫的方法较为简单，但分辨率低，也忽视了降水粒子的微物理特性；而双偏振多普勒雷达分辨率相较于普通天气雷达高，但容易受到干扰从而误差较大。

目前，微波通信网络覆盖广，信号质量高，基本不存在盲区，因此，微波通信网络降雨监测分析技术在我国有很高的推广应用价值。用微波链路的微波衰减特征来进行反演雨、雪、冰雹的滴谱和粒子形状分布，精准度高，监测盲区小，费用也相比于雷达少，理论上非常适用于识别雨、雪、雹这类特殊天气状况。已有的微波识别雨、雪、冰雹类型方法，利用传统的机器学习方法，需要大量的有标签微波衰减数据，但在实际场景中，有降水类型标签的微波衰减数据量往往不是很充足，故针对雨、雪、冰雹的分类监测方案往往存在准确性低的问题。

发明内容

针对以上问题，本发明提出一种基于半监督域适应的雨、雪、冰雹分类监测方法。

为实现本发明的目的，提供一种基于半监督域适应的雨、雪、冰雹分类监测方法，包括如下步骤：

S10，采用雷达测得电磁波在各类型降水粒子天气下的雷达波反射率；其中，各类型降水粒子包括雨、雪和冰雹；

S20，根据各类型降水粒子天气下的雷达波反射率获取各类型降水粒子天气下的预处理数据；

S30，根据预处理数据构建携带标签的第一数据集和未携带标签的第二数据集，计算第一数据集的第一协方差矩阵和第二数据集的第二协方差矩阵，根据第一协方差矩阵确定第一特征子空间，根据第二协方差矩阵确定第二特征子空间；

S40，根据第一特征子空间和第二特征子空间确定核函数；

S50，根据所述核函数，以第一数据集作为训练样本集，训练初始分类器；

S60，从第二数据集中选择一个子集来对所述初始分类器进行无监督学习，使得选择的子集能给初始分类器提供增量知识去自适应目标领域；

S70，获取进行无监督学习后的初始分类器的目标函数，根据第一数据集和第二数据集确定邻接图，根据邻接图优化所述目标函数，以确定最终分类器，采用最终分类器对雨、雪和冰雹进行分类。

在一个实施例中，采用雷达测得电磁波在各类型降水粒子天气下的雷达波反射率包括：

采用双偏振雷达分别在各类型降水粒子天气下测得降水粒子的多组有效水平反射率Z_h和垂直反射率Z_v，根据各组有效水平反射率Z_h和垂直反射率Z_v计算各个差分反射率，根据各类型降水粒子对应的差分反射率确定各类型降水粒子的雷达波反射率。

作为一个实施例，差分反射率的确定过程包括：