论文部分内容阅读
强对流天气是主要的灾害性天气之一，是气象部门重点监测的对象。有效快速地提高对强对流天气的识别预报率，能减少人民生命财产和工农业生产的损失。新一代多普勒气象雷达系统能为我们提供丰富的图像产品，这些产品能有效地提高强对流天气的识别率，但同时也带来了大量的高维数据，高维数据在气象预报中难以被利用。因此，数据降维变得很重要，流形学习作为非线性降维已经成为数据降维的一个热点研究领域。本文的主要工作包括：（1）构建24维雷达图像特征数据库。在将雷达基数据转化为位图图像的基础上，利用图像处理算法，提取出单体的24个特征，然后写入后台特征数据库，为后面的工作提供数据基础。（2）采用流形学习降维算法对24维雷达图像特征数据库进行降维，得到低维特征数据库，并对低维特征数据库进行数据预处理，为后面数据挖掘做准备。（3）利用基于粗糙集理论的数据挖掘技术，在低维特征数据库中，先对属性值进行等频离散化，然后进行数据挖掘，生成用于识别强对流天气中冰雹和暴雨的知识库，并对知识库的有效性进行评估。实验结果表明，通过流形学习降维算法和粗糙集数据挖掘算法，系统能有效快速地识别出雷达图像上的冰雹和暴雨区域。综上所述，本文为强对流天气有效快速地识别开辟了新的思路，一定程度上满足了实际应用的需要，为基于多普勒雷达系统的强对流天气识别预报提供了参考。