[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

说明书

本发明提供了种基于SVT‑DTSVMs的双偏振气象雷达降水粒子分类方法及装置，所述方法包括：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；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，通过本发明提供的方法及装置可以缓解现有技术中存在的双偏振气象雷达降水粒子分类算法需要计算雷达偏振参量作为分类特征，而得到偏振参量可能存在数据缺失的技术问题。

技术领域

本发明涉及气象分析的技术领域，尤其是涉及一种基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法及装置。

背景技术

降水粒子分类研究对于灾害天气的识别、预警、数值预报以及人工影响天气的作业指挥和效果评估都有十分重要的意义。双偏振气象雷达与传统雷达相比可额外获取差分反射率、差分传播相移、差分传播相移率以及互相关系数等偏振参量，是近年降水粒子分类研究领域的研究热点。

双偏振气象雷达降水粒子分类算法需要计算雷达偏振参量作为分类特征，而得到偏振参量可能存在数据缺失问题。产生数据缺失的主要原因包括：①双偏振气象雷达对降水的定量测量的能力完全依赖于降水粒子满足瑞利散射条件这一假设条件，一旦某些较大降水粒子不满足瑞利散射条件，根据米散射理论，计算雷达偏振参量时会产生很多异常值，常用的处理方法是剔除异常值转化为数据缺失问题。②地杂波抑制通常采用频域高通滤波法，当气象回波与地杂波偏振参量取值相似时，会将气象回波一同滤除，从而造成雷达回波数据缺失。③受到雷达系统本身误差、电磁波信号衰减、以及人为操作失误等多种因素的影响，雷达获得的偏振参量数据容易产生缺失和异常值。当某一雷达偏振参量存在数据缺失时，其产生的原因、数据缺失的位置和缺失规模不尽相同，称这种数据缺失为随机缺失，随机缺失将对下一步的数据处理以及降水粒子分类造成较大影响。

发明内容

有鉴于此，本发明的目的在于提供一种基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法及装置，以缓解现有技术中存在的双偏振气象雷达降水粒子分类算法需要计算雷达偏振参量作为分类特征，而得到偏振参量可能存在数据缺失的技术问题。

本发明提供了一种基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法，应用于服务器，包括：

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；

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。

优选的，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；