论文部分内容阅读
雷暴活动是一种对流天气现象,具有破坏能力大、发生频繁等特点。雷暴发生时间短、范围小,这也使得精准预测较为困难,因此雷暴是气象预报领域中的挑战性的问题之一。论文研究了大气电场与雷暴之间的关系,实现基于大气电场仪数据对雷暴频次等级和雷暴强度的自动预警,论文主要工作如下: 1.提出一种基于深度学习的雷暴频度自动预测方法。通过分析大气电场数据和雷暴事件发生的相关性,创新性地把原始一维大气电场数据转化为二维图像,把雷暴频次记录数据作为图像标签,把两种事件的相关性分析问题转化为图像分类问题,用深度学习方法进行分类学习,得到较好的分类结果。利用这一模型基于大气电场数据可以自动预测雷暴频度。 2.提出一种基于SVM回归模型的雷电强度预测算法,利用深度学习模型提取的特征,利用雷暴强度值信息,通过采样方法,选取每分钟内绝对值最大的强度值作为浮点型标签,结合深度特征信息,将二者作为回归模型的输入,训练回归分析模型。通过回归模型,利用大气电场的变化对某一时刻内的雷暴强度值进行预测,效果较好。 3.设计并基于Matlab实现了一个雷暴自动预警系统。系统包括数据输入模块、数据转化模块、数据可视化模块、模式选择模块、特征提取模块以及预测结果展示模块。可以自动读取大气电场数据,并基于大气电场数据,实现雷电频次预警和雷电强度值预测。