[发明专利]一种基于T-S模型的FNN降水粒子相态识别方法

权利要求书

1.一种基于T-S模型的FNN降水粒子相态识别方法，其特征在于：所述的方法包括按顺序进行的下列步骤：

1)建立FNN模型前件网络，以双线偏振气象雷达的各项偏振参量数据作为FNN模型前件网络的输入值，计算连接权值的S1阶段；

2)建立FNN模型后件网络，根据T-S模型，利用步骤1)获得的连接权值计算模糊推理结果的S2阶段；

3)建立FNN模型反馈网络，利用步骤2)获得的模糊推理结果，自适应更新步骤1)中建立的FNN模型前件网络中隶属函数参数的S3阶段；在反馈网络中，首先对步骤2)中得到的模糊推理结果进行退模糊处理，得到降水粒子相态聚类中心值，然后与聚类中心的期望值进行比较得到误差，最后根据误差负反馈原理返回步骤1)中建立的前件网络的模糊化层，自适应地更新各偏振参量对应不同降水粒子相态的隶属函数参数；

4)利用实测数据对步骤1)、步骤2)、步骤3)中建立的前件网络、后件网络和反馈网络进行训练，最后运用训练得到的FNN进行降水粒子相态识别的S4阶段。

2.根据权利要求1所述的基于T-S模型的FNN降水粒子相态识别方法，其特征在于：在步骤1)中，所述的建立FNN模型前件网络，以双线偏振气象雷达的各项偏振参量数据作为FNN模型前件网络的输入值，计算连接权值的方法是：所述的前件网络包括输入层和隐含层，首先双线偏振气象雷达的各项偏振参量数据从输入层进入前件网络，然后在隐含层经过模糊化处理，计算出每项偏振参量对应不同降水粒子相态的初始化隶属函数，最后利用初始化隶属函数经过规则计算和归一化后得到连接权值。

3.根据权利要求1所述的基于T-S模型的FNN降水粒子相态识别方法，其特征在于：在步骤2)中，所述的建立FNN模型后件网络，根据T-S模型，利用步骤1)获得的连接权值计算模糊推理结果的方法是：所述的后件网络包括输入层、隐含层和输出层，首先双线偏振气象雷达的各项偏振参量数据从输入层进入后件网络，然后根据T-S模型，在隐含层的各个子网络中计算不同降水粒子相态的模糊推理值，最后在输出层利用步骤1)计算得到的连接权值对模糊推理值进行加权平均，得到模糊推理结果。

4.根据权利要求1所述的基于T-S模型的FNN降水粒子相态识别方法，其特征在于：在步骤4)中，所述的利用实测数据对步骤1)、步骤2)、步骤3)中建立的前件网络、后件网络和反馈网络进行训练，最后运用训练得到的FNN进行降水粒子相态识别的方法是：首先利用大量实测数据通过步骤1)、步骤2)、步骤3)建立的前件网络、后件网络和反馈网络对前件网络中的各偏振参量隶属函数参数进行训练，然后利用训练得到的各偏振参量隶属函数参数构成成型的FNN，最后将待识别降水粒子的双线偏振气象雷达的偏振参数输入FNN，输出即为该降水粒子的最终相态识别结果。