[发明专利]一种基于机器学习的风暴单体跟踪预报方法及系统

权利要求书

1.一种基于机器学习的风暴单体跟踪预报方法，其特征是所述的方法具体步骤包括：

S1通过同一天气的数据样本进行采样；

S2利用体扫间隔算法获取前后风暴单体数据，判断其是否连续；

S3通过风暴单体的特征和距离判断是否在同一天气过程；

S4利用一个时间序列内的风暴单体跟踪匹配，拟合该时间序列的运动轨迹；

S5利用加权最小二乘法拟合直线预报下一时刻风暴单体的位置。

2.根据权利要求1所述的方法，其特征是所述S2利用体扫间隔算法获取前后风暴单体数据，判断其是否连续的具体步骤包括：

S201对前后两个风暴单体的体扫时间间隔进行检查；

S202用时间阈值和时间间隔进行比较；

S203时间阈值小于时间间隔，则判断出现数据为不连续；

S213时间阈值大于时间间隔，则判断出现数据为连续。

3.根据权利要求2所述的方法，其特征是所述S3通过风暴单体的特征和距离判断是否在同一天气过程的具体步骤包括：

S301利用特征相似算法计算单体扫强度均值数据；

S302利用距离优先算法计算单体间距；

S303判断计算风暴单体是否属于同一天气过程。

4.根据权利要求3所述的方法，其特征是所述S301利用特征相似算法，使用风暴单体强度均值的差值和面积的比值，计算单体扫强度均值数据。

5.一种基于机器学习的风暴单体跟踪预报系统，其特征是所述的系统具体包括数据采样模块、连续判断模块、天气判断模块、轨迹拟合模块和位置预报模块：

数据采样模块：通过同一天气的数据样本进行采样；

连续判断模块：利用体扫间隔算法获取前后风暴单体数据，判断其是否连续；

天气判断模块：通过风暴单体的特征和距离判断是否在同一天气过程；

轨迹拟合模块：利用一个时间序列内的风暴单体跟踪匹配，拟合该时间序列的运动轨迹；

位置预报模块：利用加权最小二乘法拟合直线预报下一时刻风暴单体的位置。

6.根据权利要求5所述的系统，其特征是所述连续判断模块具体包括间隔检查模块、间隔比较模块、间隔判断模块A和间隔判断模块B：

间隔检查模块:对前后两个风暴单体的体扫时间间隔进行检查；

间隔比较模块:用时间阈值和时间间隔进行比较；

间隔判断模块A:时间阈值小于时间间隔，则判断出现数据为不连续；

间隔判断模块B：时间阈值大于时间间隔，则判断出现数据为连续。

7.根据权利要求6所述的系统，其特征是所述天气判断模块具体包括强度计算模块、间距计算模块和天气判定模块：

强度计算模块：利用特征相似算法计算单体扫强度均值数据；

间距计算模块：利用距离优先算法计算单体间距；

天气判定模块：判断计算风暴单体是否属于同一天气过程。

8.根据权利要求7所述的系统，其特征是所述强度计算模块利用特征相似算法，使用风暴单体强度均值的差值和面积的比值，计算单体扫强度均值数据。