[发明专利]基于雷达回波数据对CMA实测雨量数据实时校正方法

权利要求书

1.一种基于雷达回波数据对CMA实测雨量数据实时校正方法，其特征在于：所述方法包括：

步骤1、获取气象雷达回波数据和CMA实测雨量数据；

步骤2、以地面实测雨量站位置为锚点，选取对应的CMA数据和雷达回波数据；

步骤3、整合雷达回波数据和CMA降雨数据，构建训练数据集和验证数据集；

步骤4、以Light GBM算法为核心构建模型，使用训练数据集对模型训练；

步骤5、通过训练好的模型实时对雷达回波数据进行降雨分析，对比CMA数据，识别出问题区域，再使用雷达回波计算出的降雨值进行替换，对融合后的降雨数据进行重新插值，得到修正后的降雨数据。

2.根据权利要求1所述的一种基于雷达回波数据对CMA实测雨量数据实时校正方法，其特征在于：步骤2所述以地面实测雨量站位置为锚点，选取对应的CMA数据和雷达回波数据时，测雨量站处于正常工作状态，数据测量、传输及上报均正常；CMA数据的制式为雷达回波数据的5倍，在取雷达回波数据时以实测站位中心，取纵横各5个栅格共25个栅格的数据作为特征数据。

3.根据权利要求1所述的一种基于雷达回波数据对CMA实测雨量数据实时校正方法，其特征在于：构建训练数据集之前需要对数据进行预处理，预处理的方法为：由于CMA数据的栅格表示5km*5km的范围，雷达回波栅格则是1km*1km的范围，所以建立数据映射时，表现为一个CMA栅格对应一个雷达回波栅格矩阵，每个矩阵含有25个栅格；要得到这样一个训练数据集，需要将雷达回波数据与CMA历史降雨数据进行关联后进行数据集合并；关联及合并的方法为：从雷达回波数据和CMA实测降雨数据中找出时间戳相同的数据作为合并后的数据集。

4.根据权利要求1所述的一种基于雷达回波数据对CMA实测雨量数据实时校正方法，其特征在于：步骤4所述以Light GBM算法为核心构建模型，使用训练数据集对模型训练的方法包括：将训练数据集分批次输入到搭建好的LightGBM模型当中，通过已经设置好的参数，将训练数据集和验证数据集分成一定的比例，在模型训练的过程中不断的对参数值进行调整，一边进行训练一边计算并输出模型对训练集此次迭代中对于当前数据所得到的准确率以及损失函数的结果信息，直至损失函数产生的结果达到最小或者迭代次数完毕，从而最终得到训练好的模型。

5.根据权利要求4所述的一种基于雷达回波数据对CMA实测雨量数据实时校正方法，其特征在于：在对LightGBM模型进行训练的过程中，根据损失函数不断的对权重值进行调整，每次调整的值由学习率决定，计算公式为:

损失函数的公式为:

均方误差损失函数MSE用来度量预测值和实际观测值间差的平方的均值，公式为:

6.根据权利要求1所述的一种基于雷达回波数据对CMA实测雨量数据实时校正方法，其特征在于：对雷达回波数据进行降雨分析时，在判定雷达回波反演出的降水数值的正确性时，限定一个误差范围，在误差范围内都判定为正确。