本文關(guān)鍵詞：基于數(shù)值模式和雷達(dá)數(shù)據(jù)的對(duì)流初生預(yù)警技術(shù)研究

  更多相關(guān)文章： 多普勒雷達(dá) CI預(yù)警 不平衡數(shù)據(jù)分類 支持向量機(jī)

【摘要】：我國(guó)是一個(gè)強(qiáng)對(duì)流災(zāi)害天氣發(fā)生頻繁的國(guó)家。多普勒天氣雷達(dá)是強(qiáng)對(duì)流性天氣的主要監(jiān)測(cè)工具。本文利用基于雷達(dá)數(shù)據(jù)的四維變分?jǐn)?shù)值模式輸出的高時(shí)空分辨率物理量,使用支持向量機(jī)作為分類器,研究對(duì)流初生(Convective Initiation,簡(jiǎn)稱CI)的預(yù)警方法。其中CI的定義為多普勒雷達(dá)首次檢測(cè)到反射率因子大于或者等于35dBZ。本文研究?jī)?nèi)容主要包括以下三個(gè)部分：第一部分是從四維變分?jǐn)?shù)值模式輸出的高時(shí)空分辨率物理量中提取可能的預(yù)報(bào)因子。主要思想是利用30-60分鐘后的雷達(dá)組合反射率與特征量之間的散點(diǎn)圖作為判斷依據(jù)挑選出預(yù)報(bào)因子。經(jīng)過(guò)多次實(shí)驗(yàn),挑選了風(fēng)切變(shear)、輻合抬升(div)和垂直風(fēng)速度(wwind)及其對(duì)應(yīng)的時(shí)間變化量作為預(yù)報(bào)因子。第二部分是分類器算法的研究。將第一部分中得到的預(yù)報(bào)因子作為分類算法中的屬性特征,30分鐘后的雷達(dá)組合反射率作為標(biāo)簽來(lái)設(shè)計(jì)分類器。通過(guò)研究不平衡數(shù)據(jù)分類算法,結(jié)合相關(guān)領(lǐng)域中的評(píng)分標(biāo)準(zhǔn),利用逐級(jí)下采樣的方法“再平衡”樣本數(shù)據(jù)集,使用支持向量機(jī)(SVM)作為最終的CI預(yù)警算法。第三部分是個(gè)例實(shí)驗(yàn)及分析。將第二部分中設(shè)計(jì)得到的分類器作為CI預(yù)測(cè)器,結(jié)合實(shí)際的雷達(dá)組合反射率給出30分鐘后的預(yù)報(bào)結(jié)果。本文的CI預(yù)警方法是以四維變分?jǐn)?shù)值模式反演得到的物理量為數(shù)據(jù)基礎(chǔ),利用不平衡數(shù)據(jù)分類中的重采樣技術(shù)對(duì)數(shù)據(jù)集進(jìn)行“再平衡”處理,最后結(jié)合SVM設(shè)計(jì)出完整的CI預(yù)警分類器。試驗(yàn)結(jié)果表明此方法的對(duì)于CI預(yù)警具有一定的準(zhǔn)確率,在后繼的工作中需要解決虛警率偏高的問(wèn)題。
【關(guān)鍵詞】：多普勒雷達(dá) CI預(yù)警 不平衡數(shù)據(jù)分類 支持向量機(jī)
【學(xué)位授予單位】：中國(guó)海洋大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN959.4
【目錄】：

• 摘要5-6
• Abstract6-10
• 1 緒論10-21
• 1.1 選題的目的和意義10-11
• 1.2 針對(duì)強(qiáng)對(duì)流天氣的數(shù)值模式11-13
• 1.3 VDRAS的工作原理13-18
• 1.3.1 代價(jià)函數(shù)的定義13-15
• 1.3.2 PPI資料的直接同化15-16
• 1.3.3 中尺度分析和邊界條件16-17
• 1.3.4 循環(huán)分析過(guò)程17-18
• 1.4 本文的主要工作和安排18-21
• 2 分類方法21-31
• 2.1 不平衡數(shù)據(jù)集分類所存在的問(wèn)題21-22
• 2.2 不平衡數(shù)據(jù)集的處理方法研究22-26
• 2.2.1 不平衡數(shù)據(jù)集預(yù)處理：重采樣技術(shù)22-24
• 2.2.2 代價(jià)敏感學(xué)習(xí)24-26
• 2.3 支持向量機(jī)(Support Vector Machine)簡(jiǎn)介26-29
• 2.3.1 線性可分時(shí)的最優(yōu)超平面27-29
• 2.3.2 核函數(shù)29
• 2.4 本章小結(jié)29-31
• 3 CI預(yù)警分類算法設(shè)計(jì)31-39
• 3.1 選取預(yù)報(bào)因子31-33
• 3.1.1 VDRAS數(shù)據(jù)31-32
• 3.1.2 選取預(yù)報(bào)因子32-33
• 3.2 數(shù)據(jù)預(yù)處理過(guò)程33-36
• 3.3 CI預(yù)警算法36-37
• 3.4 本章小結(jié)37-39
• 4 試驗(yàn)結(jié)果與分析39-47
• 4.1 評(píng)分標(biāo)準(zhǔn)39-43
• 4.1.1 分類算法中采用的評(píng)分標(biāo)準(zhǔn)39-42
• 4.1.2 本文采用的評(píng)分標(biāo)準(zhǔn)42-43
• 4.2 個(gè)例分析43-46
• 4.3 本章小結(jié)46-47
• 5 總結(jié)與展望47-49
• 參考文獻(xiàn)49-52
• 致謝52-54
• 個(gè)人簡(jiǎn)歷54
• 發(fā)表的學(xué)術(shù)論文54

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 呂岳,施鵬飛,趙宇明;多分類器組合的投票表決規(guī)則[J];上海交通大學(xué)學(xué)報(bào);2000年05期

2 韓宏;楊靜宇;;多分類器組合及其應(yīng)用[J];計(jì)算機(jī)科學(xué);2000年01期

3 陳剛,戚飛虎;多分類器結(jié)合的人臉識(shí)別[J];上海交通大學(xué)學(xué)報(bào);2001年02期

4 韓宏,楊靜宇,婁震;基于層次的分類器組合[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年01期

5 趙誼虹,程國(guó)華,史習(xí)智;多分類器融合中一種新的加權(quán)算法[J];上海交通大學(xué)學(xué)報(bào);2002年06期

6 王正群,葉暉,孫興華,楊靜宇;模糊多分類器組合[J];小型微型計(jì)算機(jī)系統(tǒng);2003年01期

7 楊利英,覃征,王向華;多分類器融合實(shí)現(xiàn)機(jī)型識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2004年15期

8 楊利英,覃征,王衛(wèi)紅;多分類器融合系統(tǒng)設(shè)計(jì)與應(yīng)用[J];計(jì)算機(jī)工程;2005年05期

9 陳湘;;1-范數(shù)軟間隔分類器的風(fēng)險(xiǎn)[J];湖北大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

10 秦鋒;楊波;程澤凱;;分類器性能評(píng)價(jià)標(biāo)準(zhǔn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年10期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級(jí)分類器的垃圾短信過(guò)濾方法[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗(yàn)證對(duì)象集分類器的再訓(xùn)練演進(jìn)[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機(jī)手寫識(shí)別筆段特征分類器的學(xué)習(xí)方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2009年學(xué)術(shù)交流年會(huì)論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認(rèn)證[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

5 彭濤;左萬(wàn)利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無(wú)關(guān)”的說(shuō)話人辨認(rèn)[A];第四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類的KNN-SVM分類器研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見(jiàn)青;;基于級(jí)聯(lián)分類器的快速人臉檢測(cè)方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認(rèn)知結(jié)構(gòu)評(píng)估的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)分類器方法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

10 邵小健;段華;賀國(guó)平;;一種改進(jìn)的最少核分類器[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（上卷）[C];2004年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報(bào);2000年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張非;對(duì)抗逃避攻擊的防守策略研究[D];華南理工大學(xué);2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學(xué);2014年

3 許勁松;智能交通中目標(biāo)檢測(cè)與分類關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2014年

4 余家林;普通場(chǎng)景視頻人臉檢測(cè)與識(shí)別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2016年

5 劉明;分類器組合技術(shù)研究及其在人機(jī)交互系統(tǒng)中的應(yīng)用[D];北京交通大學(xué);2008年

6 嚴(yán)志永;在劃分?jǐn)?shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學(xué);2011年

7 王U，

本文編號(hào)：536150