[发明专利]一种基于支持向量机的海雾识别方法

说明书

本发明提出一种基于支持向量机的海雾识别方法，包括以下步骤：步骤S1：在一段时间内，获取卫星通道圆盘投影数据和船舶观测原始数据；步骤S2：进行解码，获取卫星通道格点数据x和能见度观测数据y及对应时次的船舶位置信息；步骤S3：获取卫星通道标准化数据x_std和观测点能见度二值化数据y_std；步骤S4：生成训练和测试样本集，并对支持向量机模型进行训练；通过训练过的所述支持向量机模型对待检测的数据进行海雾识别。本发明采用新一代静止气象卫星葵花8号作为模型输入数据，与现有技术中传统的阈值法相比，支持向量机在解决小样本、非线性、高维模式识别问题上具备较大优势，可提高卫星识别海雾的准确率。

技术领域

本发明属于气象预测技术领域，具体涉及一种基于支持向量机的海雾识别方法。

背景技术

海雾是指发生在海上、岸滨和岛屿上空低层大气中，由于水汽凝结而产生的大量水滴或冰晶使得水平能见度小于1km的危险性天气。海雾引起的能见度下降对船舶航行有严重的影响，是引发海上和沿海地区多种事故的重要原因。海雾的运动和登陆对沿海地区也有重要影响，容易造成航班延误、列车晚点，甚至造成航班起降事故、高速公路交通事故等严重后果。海雾对海上及沿海地区生产、生活造成了严重影响，因此有必要对海雾进行准确的识别和监测。

常规的海雾监测方法是通过在陆海表面布设站点进行人工或仪器自动观测，不仅耗费大量的人力物力，而且观测站点的密度也难以满足监测的需要，特别是在海洋上，只有极少数甚至没有观测站点。与站点监测相比，气象卫星观测资料具有覆盖范围广、时空分辨率高的特点，使得其在监测雾的生消动态方面具有独特的优势。因此，研究基于卫星观测数据的海雾识别方法有重要意义。

传统的基于卫星数据的海雾识别方法以阈值法为主，主要通过对卫星通道值的统计分析，确定海雾区域的通道阈值或双通道差阈值，从而将海雾与云、海面等目标区分开来，实现识别海雾的目的。

随着卫星观测技术的不断进步，卫星搭载的传感器具备的通道数越来越多，统计分析方法在寻找高维阈值方面的局限性逐渐体现出来，海雾识别的准确率受到较大的限制。因此，如何在海雾识别问题中应用适合解决高维阈值问题的新方法，对提高海雾识别准确率非常重要。

近年来，人工神经网络、支持向量机等机器学习算法在图像分类中取得了较大的进展，越来越多的被应用于遥感图像识别等气象问题的研究中。支持向量机(SupportVector Machine,SVM)是在统计学习理论的基础上发展成的一种新的模式识别方法，其在解决小样本、非线性及高维模式识别问题上表现出统计方法和传统的神经网络所不具备的优势，并能够推广到函数拟合、分类等机器学习问题中。支持向量机的基本思想是：通过非线性变换将输入空间变换到一个高维空间，在这个高维空间中求取最优分类面，这种非线性变换是通过定义适当的满足Mercer条件的内积核函数实现的。

发明内容

本发明提供了一种结构风险小，适合样本量要求低的学习问题，并且最终的决策函数只由少数的支持向量确定，避免了维数灾难的一种基于支持向量机的海雾识别方法。

具体而言本发明提供了一种基于支持向量机的海雾识别方法，其特征在于，所述海雾识别方法包括以下步骤：

步骤S1：在一段时间内，获取卫星通道圆盘投影数据x₀和船舶观测原始数据y₀；

步骤S2：对所述卫星通道圆盘投影数据x₀和船舶观测原始数据y₀进行解码，获取卫星通道格点数据x和能见度观测数据y及对应时次的船舶位置信息；

步骤S3：对所述卫星通道格点数据x进行标准化处理获取卫星通道标准化数据x_std；对所述能见度数据y进行有雾/无雾的二值化处理获取观测点能见度二值化数据y_std；