[发明专利]基于集成经验模态分解和极端梯度提升的雷电预警方法

说明书

本发明公开了一种基于集成经验模态分解和极端梯度提升的雷电预警方法，采用EEMD分解大气电场仪观测的电场信号，计算原始数据和各模态函数的样本熵，按随机分量、细节分量、趋势分量进行分类重构，分别提取重构分量的统计和自编码器特征，采用XGBoost算法建立预警模型，并对各分量的分类器进行融合；本发明可以有效提高预警效果，降低虚警率。

技术领域

本发明涉及气象雷电预警领域，尤其涉及一种基于集成经验模态分解和极端梯度提升的雷电预警方法。

背景技术

雷电是一种伴随强烈放电的自然现象，产生的高电压、大电流和强电磁辐射不仅对通讯和供电系统产生破坏，也给人类生命安全带来严重威胁，造成严重的经济损失。雷暴云携带的电荷会在地面产生较强的大气电场，地面大气电场变化可反演雷暴云形成，发展和消散过程。大气电场的观测和分析是提高雷电预警效率的有效途径。

大气电场仪是测量地面平均大气电场的仪器，大气电场是反映雷暴云内电荷变化最直接的物理量，观测并分析扰动天气下的大气电场信号对提高雷电预警概率有直接促进作用。

现有雷电预警技术通常采用大气电场幅度阈值法给出雷电预警信号，该方法实施简单，但忽视了大气电场信号内在的物理特性，成功预警概率不高；同时雷电预警概率不高，此时虚警率却较高。近几年，国内外学者开始深度挖掘大气电场信号特征与雷电之间的关系，但由于缺乏有效的大气电场数据处理算法，提前预警的时间极短，且对大气电场的特征挖掘不够。

发明内容

发明目的：针对现有技术中的不足，本发明的目的在于提出一种基于集成经验模态分解和极端梯度提升的雷电预警方法，可以有效提高预警效果，降低虚警率。

技术方案：本发明的一种基于集成经验模态分解和极端梯度提升的雷电预警方法，包括以下步骤：

(1)大气电场信号数据的采集与处理，利用大气电场仪采集地面大气电场并进行数据标定，得大气电场信号x(n)。

(2)大气电场信号的分解与重构，分解成具有不同尺度的模态分量，包含不同的局部特征信息；

(3)样本熵分析，计算各IMF分量的样本熵，根据熵的大小将IMF分量分为随机、细节、趋势分量三类，对三类信号求和得到相应的重构分量；

(4)特征提取，利用统计和深度学习方法提取重构分量的特征值；

(5)构建预警模型，将提取的特征进行归一化处理后作为输入量进行训练；训练过程中，利用网格搜索法调整模型参数，提高模型的准确率。

(6)雷电预警，利用步骤(5)所得的模型对测试集进行预测，把测试集分解得到各分量的预测结果进行融合，给出预警信号。

本发明从大气电场信号的非线性非平稳特征出发，提出一种基于集成经验模态分解(EEMD)和极端梯度提升(XGBoost)的雷电预警方法；该方法采用EEMD算法分解大气电场仪采集数据，计算原始数据和各模态函数的样本熵，按随机分量、细节分量、趋势分量进行分类重构，分别提取重构分量的统计和自编码器特征，采用XGBoost算法建立预警模型，并对各分量的分类器进行融合，给出预警信号。

其中，步骤(2)中，大气电场信号的分解与重构包括如下步骤：

(2.1)设大气电场信号为x(n)，n＝1，2，...，L；

选取P个不同正态分布的高斯白噪声{ω_p(n)}，p＝1，2，...，P；n＝1，2，...，L；

将原大气电场信号与噪声叠加得到：x_p(n)＝x(n)+ω_p(n)，p＝1，...，P；