一种基于多普勒天气雷达数据的雷电智能预报方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112731564A(43)申请公布日2021.04.30(21)申请号202011570716.7(22)申请日2020.12.26(71)申请人安徽省公共气象服务中心地址230031安徽省合肥市史河路16号省气象局(72)发明人姚叶青王传辉杨彬王曙东张蕾张国平慕建利吴丹娃(74)专利代理机构合肥集知匠心知识产权代理事务所(普通合伙)34173代理人王丽丽(51)Int.Cl.G01W1/10(2006.01)G01S13/95(2006.01)权利要求书1页说明书6页附图2页(54)发明名称一种基于多普勒天气雷达数据的雷电智能预报方法(57)摘要本发明涉及一种基于多普勒天气雷达数据的雷电智能预报方法，包括：获取气象探空、闪电定位及多普勒天气雷达数据；根据获取的气象探空数据，提取0～‑30℃层的大气特征层高度值；根据获取的闪电定位数据提取闪电发生的时间、经度、纬度；根据获取的多普勒天气雷达数据，提取多个气象特征值，并对特征值进行处理，得到多个气象变量；将得到的气象变量作为预报因子，将是否出现闪电作为标签输入多种机器学习算法，得到多种雷电临近预报模型，并分别检验多种雷电临近预报模型的雷电预报准确率，以准确率最高作为最终雷电临近预报模型。本发明利用多普勒天气雷达和气象探空数据融合建立了雷电智能预报方法，提高了预报的准确率。CN112731564ACN112731564A权利要求书1/1页1.一种基于多普勒天气雷达数据的雷电智能预报方法，其特征在于，包括如下步骤：(1)获取气象探空、闪电定位及多普勒天气雷达数据；(2)根据获取的气象探空数据，提取0～‑30℃层的大气特征层高度值；(3)根据获取的闪电定位数据提取闪电发生的时间、经度、纬度；(4)根据获取的多普勒天气雷达数据，提取多个气象特征值，并对特征值进行处理，得到多个气象变量；(5)将得到的气象变量作为预报因子，将是否出现闪电作为标签输入多种机器学习算法，得到多种雷电临近预报模型，并分别检验多种雷电临近预报模型的雷电预报准确率，以准确率最高的雷电临近预报模型作为最终雷电临近预报模型。2.根据权利要求1所述的基于多普勒天气雷达数据的雷电智能预报方法，其特征还在于：所述特征值包括回波顶高度、垂直液态水含量。3.根据权利要求1所述的基于多普勒天气雷达数据的雷电智能预报方法，其特征还在于：步骤(4)中，所述并对特征值进行处理，具体包括如下步骤：利用插值的方法得到0～‑30℃层的大气特征层高度值处的雷达反射率；计算0℃层以上回波厚度、0℃层和‑10℃层雷达反射率梯度、0℃层与‑20℃层高度差、垂直液态水含量密度，以及东南、东北、西南、西北4个方位‑10℃层高度上的雷达反射率。4.根据权利要求1所述的基于多普勒天气雷达数据的雷电智能预报方法，其特征还在于：步骤(5)中，所述机器学习算法采用随机森林、逻辑回归、K‑临近、贝叶斯、支持向量机和决策树算法。2CN112731564A说明书1/6页一种基于多普勒天气雷达数据的雷电智能预报方法技术领域[0001]本发明涉及一种雷电落区的临近预报方法，具体涉及一种基于多普勒天气雷达数据的雷电智能预报方法。背景技术[0002]当前多普勒天气雷达(简称雷达)已得到较为广泛的应用，是目前气象台认识天气实况的重要来源。依靠雷达数据进行天气外推来做预报已经在气象领域有了较为广泛的尝试，这些尝试主要集中在利用回归或外推方法进行预报。随着机器学习算法的不断成熟，利用机器学习算法对雷电预报的研究开始逐渐丰富起来。但目前的相关研究对雷电临近预报的分辨率和准确率都有待提高。另外一些研究利用大气电场仪观测的电场强度幅值和差分阈值对雷电进行预报，这些研究往往通过经验或相关统计数据给出具体阈值，不同的技术人员给出的阈值往往存在差异，受主观影响较大。[0003]现有利用雷达数据进行雷电预报中，所选择的要素多为日常气象台业务中常用的要素，主要采用统计方法。专门针对导致雷电尤其是山区雷电发生的要素及其变形较少涉及，主要是依据阈值方法给出各要素的阈值，进而进行短临预报的，而这些阈值往往依据技术人员经验或简单的数学统计得来的，其预报的准确性不高。发明内容[0004]本发明的目的在于提供一种基于多普勒天气雷达数据的雷电智能预报方法，利用多普勒天气雷达和气象探空资料融合进行雷电智能预报，提高预报准确率。[0005]为实现上述目的，本发明采用了以下技术方案：[0006]一种基于多普勒天气雷达数据的雷电智能预报方法，包括如下步骤：[0007](1)获取气象探空、闪电定位及多普勒天气雷达数据；[0008](2)根据获取的气象探空数据，提取0～‑30℃层的大气特征层高度值；[0009](3)根据获取的闪电定位数据提取闪电发