[发明专利]面向多尺度雷暴的基于DWT和CFSFD的识别算法

说明书

本发明公开了一种面向多尺度雷暴的基于DWT和CFSFD的识别算法，是基于栅格的DWT雷暴识别方法，其中DWT是离散小波变换，CFSFD是密度极大值快速搜索算法。该算法先运用DWT对ADTD闪电定位数据进行数据预处理去噪，再利用CFSFD算法进行高效聚类来达到雷暴识别的目的。本发明支持不同的空间分辨率的雷暴识别，可以在同一时刻、同一区域下，识别任意形状、任意数量的雷暴，有效的剔除了一些杂乱零散的闪电数据，提取出密集的雷暴区域，识别效果较好。

技术领域

本发明涉及智能信息处理和雷电监测技术领域，具体涉及一种面向多尺度雷暴的基于DWT和CFSFD的识别算法。

背景技术

雷暴是一种局地性的强对流天气，常见于热带、温带地区，其发生常伴随着雷击、闪电等自然现象，造成了许多难以挽回的经济损失，直接和间接损失也逐年增加。因此对雷暴活动的预报受到气象行业和社会各界的广泛关注。

到目前为止，绝大部分闪电预测方法都在尝试寻找相关气象因素与闪电发生之间的关系，并利用这种关系对雷暴的发生进行预测。雷暴识别是一种常见的用于预防强对流天气影响的识别技术。不同的研究方法使用不同的数据来研究雷暴，雷达回波外推方法被广泛的应用于临近预报中，该方法以雷达数据为基础。但是现存的基于雷达数据的雷暴识别算法复杂度高，而且雷达数据需要解析之后才可以使用，且无法识别任意数量，任意形状的雷暴。而闪电数据本身也是一个有价值的参考因素，因为雷暴活动中始终伴随着强烈的放电现象，闪电数据能够记录闪电发生的具体时刻和具体位置，可以从宏观上看到闪电的分布及走向，很好地反映雷暴活动的强弱变化与移动趋势。目前雷暴识别研究存在三个不足，首先，在算法复杂度方面，绝大部分气象学者提出来的雷暴识别算法在复杂度方面都没有做的很好，例如在雷暴识别追踪发展历程中的两个具有代表性的算法——TITAN算法和SCIT算法，在一定程度上增加计算负担，有着计算时间长，计算效率低的缺点。第二，一些相关研究对不同的空间分辨率，不同尺度的雷暴识别研究有所欠缺，部分研究对小规模雷暴识别效果优异，大规模的雷暴识别效果差。最后，在闪电数据中的噪声数据也会对最终的识别效果产生影响，一些研究无法避免这些噪声带来的影响，导致识别准确率不高。

发明内容

本发明公开了一种面向多尺度雷暴的基于DWT和CFSFD的识别算法，用于准确识别任意形状、任意数量的雷暴。

本发明的技术方案如下：面向多尺度雷暴的基于DWT和CFSFD的识别算法，步骤如下：

步骤1．基于DWT的数据预处理操作：使用DWT对栅格化之后的空间区域进行变换，对数据进行预处理，过滤掉栅格内零散的闪电定位数据；

步骤2．基于CFSFD的雷暴识别：用CFSFD聚类算法进行雷暴识别，实现密集的雷暴区域的提取。

优选的，步骤1具体为：

步骤1.1．运用ArcGIS地理信息系统，将待研究的空间区域切分成m*n个地理栅格，栅格分辨率为r，r的大小根据具体研究的空间区域大小变化；

步骤1.2．根据切分之后栅格的地理范围配合经纬度、闪电数据，确定每个栅格内的闪电条数；

步骤1.3．将闪电数据放入对应栅格之后，根据实际情况确定每个栅格内闪电条数，将每一条闪电数据标记为1，栅格内有L条闪电标记为L，L表示栅格内闪电的条数，闪电数据不为0的栅格表示为正样本区域，没有发生闪电的栅格标记为0，表示为负样本区域；

步骤1.4．每个栅格内的闪电条数称之为特征，切分空间区域并统计栅格闪电数据的过程称为量化，最终形成｛C_ij｝，｛C_ij｝为该空间区域的量化特征空间，i代表行，j代表列；

步骤1.5．对量化特征空间｛C_ij｝的行和列分别进行离散小波变化，形成新特征空间｛T_pq｝，p代表新特征空间的行，q代表新特征空间的列，新特征空间的大小为m/2*n/2，设置阈值K，在新特征空间中进行去噪，将小于阈值K的栅格内的数据置为0，过滤掉零散的闪电数据；