[发明专利]一种基于大气电场数据的雷电强度值预测方法

说明书

一种基于大气电场数据的雷电强度值预测方法应用于雷电预警领域。本发明提出了一种通过提取大气电场数据的深度特征，将原始一维大气电场数据转化为二维图像表达并挖掘图像的深度特征信息，结合非线性回归分析法，建立大气电场数据和雷电强度值的关系模型，对雷电强度值进行预测。本发明使用了多种探测资料来进行雷电预警，即大气电场数据和雷电数据。采用维度转化的方式，将一维大气电场数据转化为二维图像表达，增强大气电场数据结构表达。利用深度模型提取到大气电场数据的深度特征信息。利用大气电场资料来预测雷电强度值，填补了其他预测方法中对大气电场资料利用较少，和对雷暴强度值预测的空白。

技术领域

本发明应用于雷电预警领域，涉及到对于大气电场数据和雷电强度值的应用。本发明提出了一种通过提取大气电场数据的深度特征，将原始一维大气电场数据转化为二维图像表达并挖掘图像的深度特征信息，结合非线性回归分析法，建立大气电场数据和雷电强度值的关系模型，对雷电强度值进行预测。

背景技术

雷暴天气是一种常见的，会伴随有闪电、雷声、大风、冰雹和强降水等现象的对流天气。雷击过程具备了瞬态大电流、高电压、强电磁辐等特点。其高电压、高温等物理效应在瞬时产生的破坏力，对人员和财产带来危害和损失。

雷电灾害造成的经济损失巨大、人员伤亡事故严重，形成了发生频次高、范围大、危害大、社会影响大的特点，近年来雷灾事故也呈现多发的上升趋势。

大气电场数据和雷电强度值都是气象领域中与雷暴天气预测相关的参数指标，因而，通过对大气电场数据进行研究，利用大气电场数据来预测雷电强度值，挖掘二者间的联系，并有针对性地提出雷电灾害预警方法，对国家经济建设、防灾减灾、维护人民的生命财产安全具备重要意义。

本发明利用如图1的大气电场维度转化图，通过建立深度学习的模型，提取到大气电场数据的深度特征信息。图1中的大气电场维度转化图的规格为60*60的图像，像素点的不同颜色代表不同的大气电场值变化，其原始数值为一分钟内大气电场值的平均值。横轴为时间轴，代表t时刻前60分钟至时间t，时间精度为分钟。纵轴代表了探测仪器的组网结构，即大气电场仪位置关系，在一个地区内投放的仪器数量是6台，60即代表六台仪器的10组随机排列组合。

早期的雷电预警主要是通过对历史雷电记录进行统计分析，或者通过大气电场变化进行粗略的雷暴预判。

2009年吴健等对电场强度设置了门限等级，以电场曲线初始阶段是否发生快速波动为判断标准，并结合雷电移动趋势、预警提前时间和电场仪安装位置等多种因素，从而来判断雷电的发生，实现雷电预警。2015年刘宇等也利用了雷电活动在发生前会出现电场频繁跳动的现象，引入雷电定位信息，确定出雷电预警等级。2015年高文胜等就已有雷电预警研究算法无法对特定区域的落雷密度进行预测，提出将观测目标区域按网格划分，每15分钟落雷数据依照时间等分为三段。通过聚类算法对落雷数据中的杂散点进行过滤，识别聚类云团，并线性拟合出三组时段内各聚类云团的质心位置，预测出未来15分钟的聚类云团质心的移动趋势。再统计分析了网格内落雷密度，利用反距离加权插值法，得到聚类云团的覆盖区域。

目前对于雷电强度值的分析预测，以及结合大气电场数据来预测雷电等方面的方法很少。