[0031] 通過氣象學(xué)原理確定回波強(qiáng)度閾值，采用閾值分割法將小于回波強(qiáng)度閾值的剩余區(qū)域識別為背景區(qū)。 [0032] 進(jìn)一步的，根據(jù)所述影響區(qū)和所述背景區(qū)構(gòu)造積層混合云播云效果函數(shù)的方法，包括： [0033] 采用相關(guān)系數(shù)法對監(jiān)測數(shù)據(jù)進(jìn)行篩選，獲得指標(biāo)數(shù)據(jù)，構(gòu)造積層混合云播云效果函數(shù)，表達(dá)式為 [0034] [0035] 其中第j個指標(biāo)的效果權(quán)重為θj，影響區(qū)作業(yè)前后第j個指標(biāo)的差值為ΔRj，背景區(qū)作業(yè)前后第j個指標(biāo)的差值為 第j個指標(biāo)的自然變化系數(shù)βj，積層混合云播云效果函數(shù)為 [0036] 進(jìn)一步的，根據(jù)所述積層混合云播云效果函數(shù)構(gòu)建積層混合云播云效果評估模型的方法，包括： [0037] 根據(jù)積層混合云播云效果函數(shù)構(gòu)造目標(biāo)函數(shù)： [0038] [0039] 其中目標(biāo)函數(shù)為 積層混合云播云效果函數(shù)為 實際評估值為z，預(yù)測評估值* 為z，遺傳系數(shù)為α； [0040] 積層混合云播云效果評估模型包括自助法、偏差分析算法、層次聚類算法、關(guān)聯(lián)規(guī)則算法、循環(huán)神經(jīng)網(wǎng)絡(luò)算法； [0041] 自助法將輸入數(shù)據(jù)按照5:1隨機(jī)抽取，獲得訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)； [0042] 偏差分析算法按照時序?qū)τ?xùn)練數(shù)據(jù)進(jìn)行排序，對排序后的訓(xùn)練數(shù)據(jù)進(jìn)行云團(tuán)變化分析，獲得云團(tuán)偏差程度； [0043] 層次聚類算法根據(jù)云團(tuán)偏差程度對訓(xùn)練數(shù)據(jù)進(jìn)行偏差聚類，獲得聚類數(shù)據(jù)； [0044] 關(guān)聯(lián)規(guī)則算法根據(jù)聚類數(shù)據(jù)的關(guān)聯(lián)度進(jìn)行聚類數(shù)據(jù)選擇，獲得關(guān)鍵數(shù)據(jù)； [0045] 循環(huán)神經(jīng)網(wǎng)絡(luò)算法按照時間對關(guān)鍵數(shù)據(jù)進(jìn)行排序，捕捉排序后關(guān)鍵數(shù)據(jù)的時間變化規(guī)律，根據(jù)時間變化規(guī)律對測試數(shù)據(jù)進(jìn)行評估預(yù)測，獲得預(yù)測評估； [0046] 根據(jù)測試數(shù)據(jù)的實際評估和預(yù)測評估方差調(diào)整積層混合云播云效果評估模型的參數(shù)。 [0047] 進(jìn)一步的，優(yōu)化所述積層混合云播云效果評估模型的方法，包括： [0048] 計算判定變量： [0049] [0050] 其中判定變量為 判定變量的初始值為 最大迭代次數(shù)為tmax，當(dāng)前迭代次數(shù)為t； [0051] 計算搜索子的適應(yīng)度值： [0052] [0053] 其中適應(yīng)度值為 目標(biāo)值為 估計目標(biāo)值為 平均目標(biāo)值為 優(yōu)化因子為m，自然常數(shù)為e； [0054] 選擇適應(yīng)度值最小的搜索子作為初級搜索子，當(dāng)判定變量的絕對值小于1時，根據(jù)隨機(jī)游走機(jī)制計算搜索子位置： [0055] [0056] 其中第t+1次迭代第a個搜索子第v個維度的位置為 第t次迭代第a個 搜索子的輪盤隨機(jī)擾動為 第t次迭代第a個搜索子的精英隨機(jī)擾動為 [0057] 否則，根據(jù)全局搜索計算搜索子位置： [0058] [0059] 其中0到1的隨機(jī)數(shù)為 解空間上界為Vmax，解空間下界為Vmin，?1到1的隨機(jī)數(shù)分別為r1、r2、r3、r4、r5、r6，陷落趨勢為 隨機(jī)數(shù)r3第t次迭代第v個維度的位置為 隨機(jī)數(shù)r4第t次迭代第v個維度的位置為 初級搜索子的位置為C，初級搜索子的平均位置為 初級優(yōu)質(zhì)搜索子的位置為CE； [0060] 更新初級搜索子的位置，表達(dá)式為： [0061] [0062] 其中更新后第a個初級搜索子的位置為 第b個搜索子的位置為 位置 的適應(yīng)度值為 位置Ca的適應(yīng)度值為 初級優(yōu)質(zhì)搜索子的平均位置為 [0063] 基于自適應(yīng)更新搜索子的位置，表達(dá)式為： [0064] [0065] 其中更新后第t+1次迭代第a個搜索子的位置為 控制參數(shù)為ρ，衰減系數(shù)為 [0066] 不斷迭代直到達(dá)到最大迭代次數(shù)，否則更新初級搜索子的位置。 [0067] 第二方面，本申請實施例還提供一種電子設(shè)備，包括： [0068] 處理器；以及被安排成存儲計算機(jī)可執(zhí)行指令的存儲器，所述可執(zhí)行指令在被執(zhí)行時使所述處理器執(zhí)行第一方面所述的方法步驟。 [0069] 第三方面，本申請實施例還提供一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲一個或多個程序，所述一個或多個程序當(dāng)被包括多個應(yīng)用程序的電子設(shè)備執(zhí)行時，使得所述電子設(shè)備執(zhí)行第一方面所述的方法步驟。 [0070] 本發(fā)明的有益效果是： [0071] 本發(fā)明是一種面向嵌入對流單體的積層混合云播云效果評估方法，與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果： [0072] 本發(fā)明通過預(yù)處理、特征提取、確定影像區(qū)、確定背景區(qū)、構(gòu)造效果函數(shù)、模型構(gòu)建和模型優(yōu)化步驟，可以提高面向嵌入對流單體的積層混合云播云效果評估的準(zhǔn)確性，從而提高面向嵌入對流單體的積層混合云播云效果評估的精度，將面向嵌入對流單體的積層混合云播云效果評估優(yōu)化，可以大大節(jié)省資源，提高工作效率，可以實現(xiàn)對積層混合云播云效果的自動評估，實時對面向嵌入對流單體的積層混合云播云效果評估進(jìn)行影響區(qū)域修正，對面向嵌入對流單體的積層混合云播云效果評估具有重要意義，可以適應(yīng)不同標(biāo)準(zhǔn)的面向嵌入對流單體的積層混合云播云效果評估、不同面向嵌入對流單體的積層混合云播云效果評估需求，具有一定的普適性。 附圖說明

自助法將輸入數(shù)據(jù)按照5:1隨機(jī)抽取，獲得訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)； 偏差分析算法按照時序?qū)τ?xùn)練數(shù)據(jù)進(jìn)行排序，對排序后的訓(xùn)練數(shù)據(jù)進(jìn)行云團(tuán)變化分析，獲得云團(tuán)偏差程度； 層次聚類算法根據(jù)云團(tuán)偏差程度對訓(xùn)練數(shù)據(jù)進(jìn)行偏差聚類，獲得聚類數(shù)據(jù)； 關(guān)聯(lián)規(guī)則算法根據(jù)聚類數(shù)據(jù)的關(guān)聯(lián)度進(jìn)行聚類數(shù)據(jù)選擇，獲得關(guān)鍵數(shù)據(jù)； 循環(huán)神經(jīng)網(wǎng)絡(luò)算法按照時間對關(guān)鍵數(shù)據(jù)進(jìn)行排序，捕捉排序后關(guān)鍵數(shù)據(jù)的時間變化規(guī)律，根據(jù)時間變化規(guī)律對測試數(shù)據(jù)進(jìn)行評估預(yù)測，獲得預(yù)測評估； 根據(jù)測試數(shù)據(jù)的實際評估和預(yù)測評估方差調(diào)整積層混合云播云效果評估模型的參數(shù)。 2.根據(jù)權(quán)利要求1所述一種面向嵌入對流單體的積層混合云播云效果評估方法，其特征在于，根據(jù)所述監(jiān)測數(shù)據(jù)采用催化劑擴(kuò)散傳播模型計算所述非影響區(qū)的作業(yè)影響的方法，包括： 催化劑擴(kuò)散傳播模型采用分子動力學(xué)進(jìn)行模擬； 計算監(jiān)測數(shù)據(jù)的重要度： 其中第u個監(jiān)測數(shù)據(jù)的重要度為 ，對流單體為 ，監(jiān)測數(shù)據(jù)為 ，第 時刻第u個監(jiān)測數(shù)據(jù)為 ，第 時刻第u個監(jiān)測數(shù)據(jù)為 ，對流單體 出現(xiàn)的概率為 ，監(jiān)測數(shù)據(jù) 出現(xiàn)的概率為 ，對流單體 和監(jiān)測數(shù)據(jù) 同時出現(xiàn)的概率為 ，偏差系數(shù)為 ，風(fēng)場影響系數(shù)為 ； 將重要度大于0.407的監(jiān)測數(shù)據(jù)作為重點數(shù)據(jù)，計算非影響區(qū)內(nèi)重點數(shù)據(jù)的作業(yè)影響： 其中第i個非影響區(qū)的作業(yè)影響為 ，非影響區(qū)的重點數(shù)據(jù)數(shù)量為 ，第i個非影響區(qū)第個重點數(shù)據(jù)的重要度為 ，初始第i個非影響區(qū)第 個重點數(shù)據(jù)值為 ，嵌入對流單體后第i個非影響區(qū)第 個重點數(shù)據(jù)為 ； 將作業(yè)影響大于0.657的非影響區(qū)輸出為第二影響區(qū)。 3.根據(jù)權(quán)利要求1所述一種面向嵌入對流單體的積層混合云播云效果評估方法，其特征在于，通過剩余區(qū)域的回波強(qiáng)度閾值確定背景區(qū)的方法，包括： 通過氣象學(xué)原理確定回波強(qiáng)度閾值，采用閾值分割法將小于回波強(qiáng)度閾值的剩余區(qū)域識別為背景區(qū)。 4.根據(jù)權(quán)利要求1所述一種面向嵌入對流單體的積層混合云播云效果評估方法，其特征在于，優(yōu)化所述積層混合云播云效果評估模型的方法，包括： 計算判定變量： 其中判定變量為 ，判定變量的初始值為 ，最大迭代次數(shù)為 ，當(dāng)前迭代次數(shù)為t； 計算搜索子的適應(yīng)度值： 其中適應(yīng)度值為 ，目標(biāo)值為 ，估計目標(biāo)值為 ，平均目標(biāo)值為 ，優(yōu)化因子為m，自然常數(shù)為e； 選擇適應(yīng)度值最小的搜索子作為初級搜索子，當(dāng)判定變量的絕對值小于1時，根據(jù)隨機(jī)游走機(jī)制計算搜索子位置：