一种物理适配型随机森林模型构建方法、微雨雷达低空降雨率反演方法及系统
本发明涉及一种物理适配型随机森林模型构建方法、微雨雷达低空降雨率反演方法及系统,属于气象雷达数据处理。
背景技术:
1、微雨雷达是一种垂直指向的调频连续波雷达,可实现大气降水廓线的连续高时空分辨率探测,是研究降水微物理过程、提升短时临近降水预报精度的核心设备。但其在低空易受近场效应、天线遮挡、地面遮挡、水平风场、垂直气流和同频干扰等因素影响,回波信号易失真,降雨率探测精度严重不足,无法满足气象业务与科研的应用需求。
2、相关技术中,针对微雨雷达降雨率的订正方法,多为单高度层的线性订正、经验公式订正,此类方法泛化能力差,无法适配不同天气过程、不同降水类型的廓线特征变化;而机器学习方法在雷达降水反演中,多采用单输出模型,仅能对单一高度层进行反演,无法同时对多个连续高度层的降雨率进行协同反演,且未利用降水廓线的垂直相关性,反演精度与处理效率均存在明显短板;同时现有方法大多无法实现多文件批量自动化处理,工程化落地能力弱,难以对接日常气象业务的实时数据处理需求。
3、为克服上述缺点,本申请提供了一种物理适配型随机森林模型构建方法、微雨雷达低空降雨率反演方法及系统,在不改变随机森林模型的基础集成架构的情况下,对微雨雷达内部的计算流程进行针对性改进,将雷达物理特性与机器学习算法深度融合,提高微雨雷达系统在低空降雨气象条件下探测数据的可靠性和准确性,提高微雨雷达在该场景下的低空数据探测精度、抗噪性和物理信息利用率。
技术实现思路
1、为了克服上述现有技术中微雨雷达的低空数据探测精度不足的缺点,本申请提供了一种物理适配型随机森林模型构建方法、微雨雷达低空降雨率反演方法及系统,以地面雨滴谱仪观测数据与微雨雷达探测的低空垂直速度、速度谱宽、后向散射值等数据为输入,构建物理适配型随机森林模型,从而实现微雨雷达低空降雨率的高精度获取,具有抗噪声能力强、泛化性好等优点,可批量输出雷达时序降雨率数据,大幅提升微雨雷达的低空探测性能。
2、本申请第一方面的实施例提供了一种物理适配型随机森林模型构建方法,包括以下步骤:
3、采集并加载历史多时段的总数据集,总数据集包括微雨雷达廓线数据、高精度参考雷达廓线数据与地面雨滴谱仪观测数据;
4、将预处理后的总数据集划分输入特征集和目标变量集;
5、按观测日期分层抽样,将预处理后的数据集划分训练集和测试集;
6、以通用随机森林回归器为基础模型,对基础模型内部决策树进行如下针对微雨雷达低空探测特性的适配性改进,生成物理适配型随机森林模型:
7、针对决策树的根节点:根节点的首次分裂按预设高度层进行分组,且同高度层的后向散射值、垂直速度和速度谱宽捆绑参与分裂;
8、针对决策树的内部节点:引入雷达回波物理特征加权机制,在每个内部节点分裂时,对输入特征集所包含的特征变量分别赋予预设的物理先验权重,采用计算得到的加权均方误差作为最优分裂准则;
9、针对于决策树的叶节点:叶节点以落入其内的训练样本的中位数作为预测输出;
10、使用训练集对物理适配型随机森林模型进行拟合训练,将训练完成的模型固化保存为可复用文件;
11、使用测试集对训练后的物理适配型随机森林模型完成测试。
12、在一些实施例中,微雨雷达廓线数据包括微雨雷达分别在100m、200m、300m、400m、500m高度层检测得到的垂直速度、速度谱宽和后向散射值数据,地面雨滴谱仪观测数据包括地面雨滴谱仪检测得到的降雨率数据,高精度参考雷达廓线数据包括高精度参考雷达在100m高度层检测得到的降雨率数据。
13、在一些实施例中,训练集和测试集的划分比例为8∶2。
14、在一些实施例中,输入特征集的特征变量包括微雨雷达廓线数据和地面雨滴谱仪观测数据,目标变量集的目标变量为高精度参考雷达廓线数据。
15、在一些实施例中,预设的物理先验权重分别包括:后向散射值w1为1.8、垂直速度w2为1.5、速度谱宽w3为1.2、地面雨滴谱w4为1.0。
16、在一些实施例中,随机森林回归器超参数为:决策树取200棵,最大深度取15,最小分裂样本数取8,最小叶节点样本数取3,最大特征数取总特征数的平方根,固定随机种子取42。
17、在一些实施例中,预设高度层包括100m、200m、300m、400m、500m高度层。
18、在一些实施例中,使用训练集对物理适配型随机森林模型进行拟合训练,并将训练完成的物理适配型随机森林模型固化保存为可复用文件。
19、本申请第二方面的实施例提供了一种微雨雷达低空降雨率反演方法,包括以下步骤:
20、获取待反演的微雨雷达廓线数据和地面雨滴谱仪观测数据;
21、将微雨雷达廓线数据和地面雨滴谱仪观测数据作为输入特征集,输入至上述任一实施例中的构建方法构建得到的物理适配型随机森林模型中,输出100m高度层的降雨率反演值。
22、本申请第三方面的实施例提供了一种微雨雷达系统,用于实现上述实施例中的微雨雷达低空降雨率反演方法,微雨雷达系统包括数据采集模块、存储模块和预测模块,数据采集模块用于获取待反演的微雨雷达廓线数据和地面雨滴谱仪观测数据;存储模块内存储有上述任一实施例中的构建方法构建得到的物理适配型随机森林模型;预测模块调用存储模块中的物理适配型随机森林模型,对数据采集模块输入的微雨雷达廓线数据和地面雨滴谱仪观测数据进行预测,输出100m高度层的降雨率反演值。
23、本申请实施例中,物理适配型随机森林模型构建方法以地面雨滴谱仪观测数据与微雨雷达探测的低空垂直速度、速度谱宽、后向散射值等数据为输入,构建物理适配型随机森林模型,从而实现微雨雷达低空降雨率的高精度获取,无需对雷达硬件进行改造,纯数据驱动,且具有抗噪声能力强、泛化性好等优点,可批量输出雷达时序降雨率数据,大幅提升微雨雷达低空探测性能,且能够直接应用于各型微雨雷达,提高适用性。
24、本申请实施例中,通过雷达物理特征加权分裂处理,根据各物理量与降雨率的相关性强弱赋予不同权重,引导物理适配型随机森林模型优先学习对降水反演更重要的特征,避免现有通用模型特征平等学习导致的物理信息浪费。通过垂直分层树结构强制同高度层特征捆绑选择,能够强化降水廓线垂直相关性的利用,避免随机特征选择破坏垂直结构信息。通过叶节点中位数预测,替代传统均值预测,能够有效抑制雷达异常回波、噪声点对预测结果的干扰,提升模型在复杂降水场景下的鲁棒性。
25、本申请实施例中,物理适配型随机森林模型构建方法能够在不改变随机森林模型的基础集成架构的情况下,对微雨雷达内部的计算流程进行针对性改进,将雷达物理特性与机器学习算法深度融合,提高微雨雷达系统在低空降雨气象条件下探测数据的可靠性和准确性,提高微雨雷达在该场景下的低空数据探测精度、抗噪性和物理信息利用率。
1.一种物理适配型随机森林模型构建方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,微雨雷达廓线数据包括微雨雷达分别在100m、200m、300m、400m、500m高度层检测得到的垂直速度、速度谱宽和后向散射值数据,地面雨滴谱仪观测数据包括地面雨滴谱仪检测得到的降雨率数据,高精度参考雷达廓线数据包括高精度参考雷达在100m高度层检测得到的降雨率数据。
3.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,训练集和测试集的划分比例为8∶2。
4.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,输入特征集的特征变量包括微雨雷达廓线数据和地面雨滴谱仪观测数据,目标变量集的目标变量为高精度参考雷达廓线数据。
5.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,预设的物理先验权重分别包括:后向散射值w1为1.8、垂直速度w2为1.5、速度谱宽w3为1.2、地面雨滴谱w4为1.0。
6.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,随机森林回归器超参数为:决策树取200棵,最大深度取15,最小分裂样本数取8,最小叶节点样本数取3,最大特征数取总特征数的平方根,固定随机种子取42。
7.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,预设高度层包括100m、200m、300m、400m、500m高度层。
8.根据权利要求1所述的一种物理适配型随机森林模型构建方法,其特征在于,使用训练集对物理适配型随机森林模型进行拟合训练,并将训练完成的物理适配型随机森林模型固化保存为可复用文件。
9.一种微雨雷达低空降雨率反演方法,其特征在于,包括以下步骤:
10.一种微雨雷达系统,其特征在于,用于实现权利要求9所述的微雨雷达低空降雨率反演方法,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com