[发明专利]基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法及装置

权利要求书

1.一种基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法，应用于服务器，其特征在于，包括：

1)获取双偏振雷达气象数据、获取收缩阈值τ、迭代步长δ、终止门限ε及终止迭代次数K，并基于收缩阈值τ、迭代步长δ、终止门限ε及终止迭代次数K采用SVT算法对缺失的双偏振雷达气象数据进行重构以获取重构数据；

2)利用SVM算法建立DTSVMs分类器，利用训练数据对SVM分类器进行学习，并基于训练数据降水粒子之间聚类中心距的欧式距离将SVM分类器组合形成DTSVMs分类器，并利用DTSVMs分类器对重构后的数据进行降水粒子分类。

2.根据权利要求1所述的方法，其特征在于，在步骤1)中：获取双偏振雷达气象数据、获取收缩阈值τ、迭代步长δ、终止门限ε及终止迭代次数K，并基于收缩阈值τ、迭代步长δ、终止门限ε及终止迭代次数K采用SVT算法对缺失的双偏振雷达气象数据进行重构以获取重构数据中，包括所述双偏振雷达气象数据包括反射率因子、差分反射率因子、零滞后互相关系数；

具体采用如下公式获取收缩阈值τ：

双偏振雷达气象数据的矩阵奇异值向量为q＝(q₁,q₂,…,q_N)；

当Δq_iη≤Δq_i+1(i＝37,38,…,360)时，收缩阈值τ＝q_i+1；

η—下降比率门限；

具体采用如下公式进行迭代

B为迭代过程的辅助矩阵，B⁰＝0；

D_τ(B)＝UD_τ(Σ)V^T—奇异值收缩算子；

迭代后获取误差比率(||·||_F表示矩阵的F-范数)并与终止门限ε(一般取5％≤ε≤10％)比较大小，若则停止迭代，输出重构结果，反之继续迭代。

3.根据权利要求1所述的方法，其特征在于，在步骤2)中，所述利用SVM算法建立DTSVMs分类器，利用训练数据对SVM分类器进行学习，并基于训练数据降水粒子之间聚类中心距的欧式距离将SVM分类器组合形成DTSVMs分类器，并利用DTSVMs分类器对重构后的数据进行降水粒子分类的步骤中：

对反射率因子、差分反射率、零滞后互相关系数进行数据重构后，设置DTSVMs分类器输出为地杂波C₁、冰晶C₂、干雪C₃、湿雪C₄、雨C₅、暴雨C₆、大雨滴C₇、霰C₈、雨夹雹C₉9种结果，记训练样本(z_i,c_i),i＝1,...,n，其中c_i∈{-1,+1}，-1代表一种降水粒子，+1代表余下8种降水粒子，且ω·z+b＝0使训练样本恰好分开，并满足分类间隔最大；

求解线性约束

采用如下公式获取最优分类公式：

z_k,z_l(k∈{1,2…,n},l∈{1,2…,n})分别表示第k和第l号训练样本；

反射率因子、差分反射率因子、零滞后互相关系数

Z_H-反射率因子；Z_DR-差分反射率因子；-零滞后互相关系数。

4.一种基于SVT-DTSVMs的双偏振气象雷达降水粒子分类装置，其特征在于，包括：

数据重构模块：用于获取双偏振雷达气象数据、获取收缩阈值τ、迭代步长δ、终止门限ε及终止迭代次数K，并基于收缩阈值τ、迭代步长δ、终止门限ε及终止迭代次数K采用SVT算法对缺失的双偏振雷达气象数据进行重构以获取重构数据；

分类训练模块：用于利用SVM算法建立DTSVMs分类器，利用训练数据对SVM分类器进行学习，并基于训练数据降水粒子之间聚类中心距的欧式距离将SVM分类器组合形成DTSVMs分类器，并利用DTSVMs分类器对重后数据进行降水粒子分类。