[发明专利]一种基于人工智能算法的强对流天气短时临近识别方法

权利要求书

1.一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，包括以下步骤：

S1、获取检测数据；

S2、对获取的各类检测数据进行数据清洗、质量控制；

S21、获取不同地段C波段雷达一定范围内的回波产品数据及强对流实况观测数据；

S22、根据强对流发生时段，剔除特征变量不全或存在奇异值的样本，建立样本数据集；

S3、对数据按比例划分成训练集和测试集；所述步骤S3中，根据因变量特征，提取自变量及对数据集按8：2的比例进行划分成训练集和测试集，并对因变量进行标签值设定；

S4、将数据输入到LightGBM算法中，建立算法模型；所述步骤S4中，将因变量、自变量数据处理完成后，输入到LightGBM算法中，建立算法模型，包括以下步骤：

S41、将自变量数据输入到LightGBM算法中，分别计算每个自变量的特征值得分；该步骤采用基于梯度的单边采样方法计算信息增益，判断各特征值的重要性；

S42、根据特征值得分，调整部分自变量的权重系数；在调整部分自变量的权重系数时，模型会自动根据特征重要性获取这种重要性加权，然后再不断地去围绕权重较大的特征构造新的特征；

S5、反复进行模型训练、评估及算法调参优化；

S6、待模型最优后，进行业务应用。

2.根据权利要求1所述的一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，所述检测数据包括实况站点观测数据和雷达数据。

3.根据权利要求1所述的一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，所述步骤S3包括以下步骤：

S31、根据实况站点观测特征，将实况站点数据划分为是否存在强对流的各种情况，并分别添加数据标签；

S32、根据因变量特征，提取出自变量。

4.根据权利要求3所述的一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，所述自变量包括雷达产品、基于雷达产品的计算量和地面观测数据；

所述雷达产品和基于雷达产品的计算量分别为组合反射率、反射率因子、平均径向速度、对回波顶高、风暴顶高、最强回波对应的高度及垂直累积液态水含量、核心区厚度、45dBZ以上质心高度以及强回波持续时间。

5.根据权利要求4所述的一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，在产品特征数据提取中，以强对流天气实况观测点最近的像素为中心，提取周围像素范围内的最大值，作为强对流天气的风暴体特征值；

对于地面观测数据分别是测站气压、气温、相对湿度、瞬时风速。

6.根据权利要求5所述的一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，所述以强对流天气实况观测点最近的像素为中心，提取周围像素范围内的最大值，作为强对流天气的风暴体特征值的具体计算公式为：

其中，n为风暴单体编号，i和j的取值从-2到2。

7.根据权利要求1所述的一种基于人工智能算法的强对流天气短时临近识别方法，其特征在于，所述步骤S5中，是以损失函数和误判率为评价标准进行；所述步骤S5包括以下步骤：

S51、经过反复训练调优，得到最终人工智能算法模型的部分参数；

调优的具体方法为：通过给模型设置不同的训练参数，得到各个类别在不同参数下的F1分数；

F1分数，是利用精确率PRE和召回率REC的组合的一种性能评价指标，评估模型对数据的预测能力：

；

S52、模型建好后，选取评价方案再次对模型进行评价；

S53、根据以上评价体系，对模型在训练集和测试集的效果进行评估。