搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于显著性特征的大冰雹识别模型

王萍 潘跃

引用本文:
Citation:

基于显著性特征的大冰雹识别模型

王萍, 潘跃

Severe hail identification model based on saliency characteristics

Wang Ping, Pan Yue
PDF
导出引用
  • 为了解决目前气象业务中由数字化雷达系统提供的强冰雹指数对强冰雹空报率过高的问题, 依据概念模型对强冰雹回波单体特点的描述, 设计并实现了"悬垂度" 等多个特征提取算法, 为了校验这些特征以及传统的强冰雹指数是否能从各自的角度突显强冰雹单体自身特质, 将较易与其混淆的短时强降水单体作反例进行统计校验, 结果表明它们在两类样本之间的差异是显著的. 以此为基础, 选用基于径向基核函数的非线性支持向量机得到强冰雹识别模型, 并在一种尺度变换的基础上, 将待测样本远离最优分类超平面的相对程度定义为新冰雹指数.实验表明, 本文方法较目前业务上普遍使用的冰雹指数法具有更高的击中率, 同时空报率大大降低.
    There are always high false alarm ratios when warning against the severe hail with the severe hail index (SHI) which is supplied by digital weather radar system. To solve this problem, the extraction algorithm with several novel features, such as "overhang", is designed and realized, and these features can describe the severe hail conceptual model from different aspects. Then we take short-time heavy rainfall cells which are easy to be confused with severe hail cells as counter examples to perform statistic analysis for these features and the SHI. Test results show that they have more significant difference between two kinds of samples and hence each of them can reflect one aspect characteristic of severe hail cells. Then a severe hail recognition model that is the Support Vector Machine with radial primary kernel function is learned. Finally, the normalized distance between the sample to be recognized and the optimal separating hyper-plane is determined as a new SHI for warning against the severe hail. Experimental results show that the method proposed in this paper makes severe hail hit ratio higher than the SHI being used and the false alarm ratio is reduced substantially.
    • 基金项目: 天津市自然科学基金(批准号: 09JCYBJC07500) 和公益性行业(气象)科研专项基金(批准号: GYHY200706004) 资助的课题.
    • Funds: Project supported by the Natural Science Foundation of TianJin, China (Grant No. 09JCYBJC07500), and the Special Scientific Research Fund of Meteorological Public Welfare Profession of China (Grant No. GYHY200706004).
    [1]

    Makitov V 2007 Atmo. Res. 83 380

    [2]

    Serafin R J, Wilson J W 2000 Bull. Amer. Meteorol. Soc. 81 501

    [3]

    Holleman I, Wessels H R A, Onvlee J R A, Barlag S J M 2000 Phys. Chem. Earth B-Hydrol. Oceans Atmos. 25 1293

    [4]

    Lopez L, Sanchez J L 2009 Atmos. Res. 93 358

    [5]

    Baeck M L, Smith J A 1998 Weather Forecast. 13 416

    [6]

    Edwards R, Thompson R L 1998 Weather Forecast. 13 277

    [7]

    Lemon L R 1998 Weather Forecast. 13 327

    [8]

    Doviak R J, Bringi V, Ryzhkov A, Zahrai A, Zrnic D 2000 J. Atmos. Ocean. Technol. 17 257

    [9]

    Liang Q Q, Lin L X 2008 Meteorol. Sci. Technol. 2 150 (in Chinese) [梁巧倩, 林良勋 2008 气象科技 2 150]

    [10]

    Zhang G C 2011 Strong Convection Weather Analysis and Forecasting (1st Ed.) (Beijing: China Meteorological Press) p186 (in Chinese) [章国材 2011 强对流天气分析与预报 (第一版) (北京: 气象出版社) 第186页]

    [11]

    Zhou Y F, Zhu Y J 2007 J. Anhui Agricult. Sci. 35 9637 (in Chinese) [周叶芳, 朱拥军 2007 安徽农业科学 35 9637]

    [12]

    Witt A, Eilts M D, Stumpf G J, Johnson J T, Mitchell E D, Thomas K W 1998 Weather Forecast. 13 286

    [13]

    Lenning E, Fuelberg H E, Watson W I 1998 Weather Forecast. 13 1029

    [14]

    Zhang J S, Dang J L, Li H C 2007 Acta Phys. Sin. 56 67 (in Chinese) [张家树, 党建亮, 李恒超 2007 物理学报 56 67]

    [15]

    Wang F F, Zhang Y R 2012 Acta Phys. Sin. 61 084101 (in Chinese) [王芳芳, 张业荣 2012 物理学报 61 084101]

    [16]

    Cai J W, Hu S S, Tao H F 2007 Acta Phys. Sin. 56 6820 (in Chinese) [蔡俊伟, 胡寿松, 陶洪峰 2007 物理学报 56 6820]

    [17]

    Cui W Z, Zhu C C, Bao W X, Liu J H 2005 Acta Phys. Sin. 54 3009 (in Chinese) [崔万照, 朱长纯, 保文星, 刘君华 2005 物理学报 54 3009]

  • [1]

    Makitov V 2007 Atmo. Res. 83 380

    [2]

    Serafin R J, Wilson J W 2000 Bull. Amer. Meteorol. Soc. 81 501

    [3]

    Holleman I, Wessels H R A, Onvlee J R A, Barlag S J M 2000 Phys. Chem. Earth B-Hydrol. Oceans Atmos. 25 1293

    [4]

    Lopez L, Sanchez J L 2009 Atmos. Res. 93 358

    [5]

    Baeck M L, Smith J A 1998 Weather Forecast. 13 416

    [6]

    Edwards R, Thompson R L 1998 Weather Forecast. 13 277

    [7]

    Lemon L R 1998 Weather Forecast. 13 327

    [8]

    Doviak R J, Bringi V, Ryzhkov A, Zahrai A, Zrnic D 2000 J. Atmos. Ocean. Technol. 17 257

    [9]

    Liang Q Q, Lin L X 2008 Meteorol. Sci. Technol. 2 150 (in Chinese) [梁巧倩, 林良勋 2008 气象科技 2 150]

    [10]

    Zhang G C 2011 Strong Convection Weather Analysis and Forecasting (1st Ed.) (Beijing: China Meteorological Press) p186 (in Chinese) [章国材 2011 强对流天气分析与预报 (第一版) (北京: 气象出版社) 第186页]

    [11]

    Zhou Y F, Zhu Y J 2007 J. Anhui Agricult. Sci. 35 9637 (in Chinese) [周叶芳, 朱拥军 2007 安徽农业科学 35 9637]

    [12]

    Witt A, Eilts M D, Stumpf G J, Johnson J T, Mitchell E D, Thomas K W 1998 Weather Forecast. 13 286

    [13]

    Lenning E, Fuelberg H E, Watson W I 1998 Weather Forecast. 13 1029

    [14]

    Zhang J S, Dang J L, Li H C 2007 Acta Phys. Sin. 56 67 (in Chinese) [张家树, 党建亮, 李恒超 2007 物理学报 56 67]

    [15]

    Wang F F, Zhang Y R 2012 Acta Phys. Sin. 61 084101 (in Chinese) [王芳芳, 张业荣 2012 物理学报 61 084101]

    [16]

    Cai J W, Hu S S, Tao H F 2007 Acta Phys. Sin. 56 6820 (in Chinese) [蔡俊伟, 胡寿松, 陶洪峰 2007 物理学报 56 6820]

    [17]

    Cui W Z, Zhu C C, Bao W X, Liu J H 2005 Acta Phys. Sin. 54 3009 (in Chinese) [崔万照, 朱长纯, 保文星, 刘君华 2005 物理学报 54 3009]

  • [1] 梁可达, 刘滕飞, 常哲, 张猛, 李志鑫, 黄松松, 王晶. 基于最小二乘法和支持向量机的海洋内孤立波传播速度反演模型. 物理学报, 2023, 72(2): 028301. doi: 10.7498/aps.72.20221633
    [2] 张毅军, 慕晓冬, 郭乐勐, 张朋, 赵导, 白文华. 一种基于量子线路的支持向量机训练方案. 物理学报, 2023, 72(7): 070302. doi: 10.7498/aps.72.20222003
    [3] 赵志刚, 张纯杰, 苟向锋, 桑虎堂. 基于粒子群优化支持向量机的太阳电池温度预测. 物理学报, 2015, 64(8): 088801. doi: 10.7498/aps.64.088801
    [4] 宋堃, 高太长, 刘西川, 印敏, 薛杨. 基于支持向量机的微波链路雨强反演方法. 物理学报, 2015, 64(24): 244301. doi: 10.7498/aps.64.244301
    [5] 孟庆芳, 陈珊珊, 陈月辉, 冯志全. 基于递归量化分析与支持向量机的癫痫脑电自动检测方法. 物理学报, 2014, 63(5): 050506. doi: 10.7498/aps.63.050506
    [6] 赵永平, 张丽艳, 李德才, 王立峰, 蒋洪章. 过滤窗最小二乘支持向量机的混沌时间序列预测. 物理学报, 2013, 62(12): 120511. doi: 10.7498/aps.62.120511
    [7] 于洋, 郝中骐, 李常茂, 郭连波, 李阔湖, 曾庆栋, 李祥友, 任昭, 曾晓雁. 支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用研究. 物理学报, 2013, 62(21): 215201. doi: 10.7498/aps.62.215201
    [8] 火元莲, 张广庶, 吕世华, 袁萍. 闪电的分形特征研究及其在自动识别中的应用. 物理学报, 2013, 62(5): 059201. doi: 10.7498/aps.62.059201
    [9] 王芳芳, 张业荣. 基于支持向量机的电磁逆散射方法. 物理学报, 2012, 61(8): 084101. doi: 10.7498/aps.61.084101
    [10] 行鸿彦, 祁峥东, 徐伟. 基于选择性支持向量机集成的海杂波背景中的微弱信号检测. 物理学报, 2012, 61(24): 240504. doi: 10.7498/aps.61.240504
    [11] 阎晓妹, 刘丁. 基于最小二乘支持向量机的分数阶混沌系统控制. 物理学报, 2010, 59(5): 3043-3048. doi: 10.7498/aps.59.3043
    [12] 蔡从中, 裴军芳, 温玉锋, 朱星键, 肖婷婷. 选择性激光烧结成型件密度的支持向量回归预测. 物理学报, 2009, 58(13): 8-S14. doi: 10.7498/aps.58.8
    [13] 王革丽, 杨培才, 毛宇清. 基于支持向量机方法对非平稳时间序列的预测. 物理学报, 2008, 57(2): 714-719. doi: 10.7498/aps.57.714
    [14] 张家树, 党建亮, 李恒超. 时空混沌序列的局域支持向量机预测. 物理学报, 2007, 56(1): 67-77. doi: 10.7498/aps.56.67
    [15] 蔡俊伟, 胡寿松, 陶洪峰. 基于选择性支持向量机集成的混沌时间序列预测. 物理学报, 2007, 56(12): 6820-6827. doi: 10.7498/aps.56.6820
    [16] 叶美盈. 基于最小二乘支持向量机建模的混沌系统控制. 物理学报, 2005, 54(1): 30-34. doi: 10.7498/aps.54.30
    [17] 叶美盈, 汪晓东, 张浩然. 基于在线最小二乘支持向量机回归的混沌时间序列预测. 物理学报, 2005, 54(6): 2568-2573. doi: 10.7498/aps.54.2568
    [18] 刘 涵, 刘 丁, 任海鹏. 基于最小二乘支持向量机的混沌控制. 物理学报, 2005, 54(9): 4019-4025. doi: 10.7498/aps.54.4019
    [19] 崔万照, 朱长纯, 保文星, 刘君华. 基于模糊模型支持向量机的混沌时间序列预测. 物理学报, 2005, 54(7): 3009-3018. doi: 10.7498/aps.54.3009
    [20] 崔万照, 朱长纯, 保文星, 刘君华. 混沌时间序列的支持向量机预测. 物理学报, 2004, 53(10): 3303-3310. doi: 10.7498/aps.53.3303
计量
  • 文章访问数:  5017
  • PDF下载量:  585
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-08-31
  • 修回日期:  2012-11-13
  • 刊出日期:  2013-03-05

/

返回文章
返回