论文部分内容阅读
云内降水粒子合理的分类具有重要的应用价值,其不仅可以提高定量降水的精确测量,而且能为人工影响天气的运行决策和评估提供重要的参考依据。论文利用双极化气象雷达对降水粒子分类技术进行研究,主要工作内容如下:1、研究了气象回波和非气象回波的微物理特性,并重点分析了气象回波中各降水类型在双极化气象雷达中的极化特性。在对气象回波和非气象回波的微物理特性研究中,主要对气象回波中降水粒子的尺寸、形状、取向等方面进行研究分析,对非气象回波中的生物回波和地杂波的强度和径向速度进行了研究分析。通过对双极化气象雷达的极化参量研究来解释气象回波中各降水粒子的极化特性。2、针对双极化气象雷达降水分类研究中各极化参量隶属函数的建立往往采用经验值,不能准确对降水粒子分类的问题,提出一种基于T-S(Takagi-Sugeno)模型的FNN(Fuzzy Neural Network)有导师监督降水粒子分类方法。该方法结合模糊逻辑思想和神经网络学习训练思想,建立了一种自适应的修正隶属函数参数的模糊神经网络。首先对双极化气象雷达接收的极化参量进行模糊化、规则计算、退模糊处理。其次,利用FNN误差反馈的学习特点对模糊化过程中的不同降水类型各极化参量隶属函数参数计算,并重新建立新的隶属函数,保证了降水粒子分类精度。通过对S波段、C波段、X波段双极化气象雷达实测数据的处理结果证明了该方法的有效性。3、针对存在地杂波情况下的降水粒子分类问题,提出一种基于FNN-CM(Fuzzy Neural Network-C Mean)的无导师监督降水粒子分类方法。该方法首先利用FNN对晴空模式下地杂波训练学习,计算得到地杂波各极化参量的隶属函数参数,并利用其对降雨模式下的地杂波进行抑制。其次,对杂波抑制后的降水粒子进行分类研究。通过计算每种降水类型的聚类中心和每个降水粒子隶属于每种降水类型的隶属度来构造降水粒子隶属度的代价函数。当降水粒子代价函数满足条件时,对计算得到的模糊隶属度矩阵进行退模糊处理,得到每个降水粒子的类型。该方法可以有效消除地杂波对降水粒子分类精度的影响。通过对C波段、S波段的双极化气象雷达实测数据的处理结果证明了该方法的有效性。