白丝美女被狂躁免费视频网站,500av导航大全精品,yw.193.cnc爆乳尤物未满,97se亚洲综合色区,аⅴ天堂中文在线网官网

一種面向嵌入對(duì)流單體的積層混合云播云效果評(píng)估方法

專(zhuān)利號(hào)
CN118917178B
公開(kāi)日期
2025-01-17
申請(qǐng)人
中國(guó)氣象局人工影響天氣中心(北京市海淀區(qū)中關(guān)村南大街46號(hào))
發(fā)明人
王飛; 林大偉; 殷占福; 唐雅慧; 韓熠; 王思瀚; 欒天; 耿飛; 丁晗; 唐嘉蕙
IPC分類(lèi)
G06F30/27; G06V10/44; G06V10/75; G06T7/136; G06V10/26; G06V10/82; G06V10/762; G06V10/774; G06V10/74
技術(shù)領(lǐng)域
云團(tuán),對(duì)流單體,評(píng)估,數(shù)據(jù),單體,對(duì)流,搜索,回波,存儲(chǔ),計(jì)算
地域: 北京市 北京市海淀區(qū)

摘要

本發(fā)明公開(kāi)了一種面向嵌入對(duì)流單體的積層混合云播云效果評(píng)估方法,包括采集嵌入對(duì)流單體的監(jiān)測(cè)數(shù)據(jù)和圖像數(shù)據(jù),對(duì)所述圖像數(shù)據(jù)進(jìn)行單體特征提取獲得明顯單體特征,將明顯單體特征所在的區(qū)域作為第一影響區(qū),反之作為非影響區(qū),根據(jù)所述監(jiān)測(cè)數(shù)據(jù)采用催化劑擴(kuò)散傳播模型計(jì)算所述非影響區(qū)的作業(yè)影響獲得第二影響區(qū),通過(guò)剩余區(qū)域的回波強(qiáng)度閾值確定背景區(qū),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),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(píng)估模型,優(yōu)化所述積層混合云播云效果評(píng)估模型。該方法不僅可以提高積層混合云播云效果評(píng)估的精度,同時(shí)具有較好的可解釋性,可以直接應(yīng)用于積層混合云播云效果評(píng)估系統(tǒng)中。

說(shuō)明書(shū)

1 2 3 4 5 6
[0073] 圖1為本發(fā)明一種面向嵌入對(duì)流單體的積層混合云播云效果評(píng)估方法的步驟流程圖; [0074] 圖2為本說(shuō)明書(shū)實(shí)施例中一種電子設(shè)備的結(jié)構(gòu)示意圖。 具體實(shí)施方式 [0075] 下面通過(guò)具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述,在此發(fā)明的示意性實(shí)施例以及說(shuō)明用來(lái)解釋本發(fā)明,但并不作為對(duì)本發(fā)明的限定。 [0076] 本發(fā)明一種面向嵌入對(duì)流單體的積層混合云播云效果評(píng)估方法包括以下步驟: [0077] 如圖1所示,在本實(shí)施例中,包括以下步驟: [0078] 采集嵌入對(duì)流單體的監(jiān)測(cè)數(shù)據(jù)和圖像數(shù)據(jù),對(duì)所述監(jiān)測(cè)數(shù)據(jù)和所述圖像數(shù)據(jù)進(jìn)行預(yù)處理;所述監(jiān)測(cè)數(shù)據(jù)包括雷達(dá)數(shù)據(jù)、飛行探測(cè)數(shù)據(jù); [0079] 在實(shí)際評(píng)估中,雷達(dá)數(shù)據(jù)經(jīng)過(guò)消除干擾信號(hào)、地物雜波等數(shù)據(jù)質(zhì)量控制后,將反射率數(shù)據(jù)從笛卡爾坐標(biāo)系差值為球面坐標(biāo)系,差值方法采用水平方向的最近鄰居法和垂直方向上的線性內(nèi)插相結(jié)合; [0080] 以2016年9月4日XX地區(qū)的一次飛機(jī)暖云消減雨試驗(yàn)為例,采用舟山S波段組網(wǎng)天氣雷達(dá),首先對(duì)雷達(dá)基數(shù)據(jù)進(jìn)行質(zhì)量控制和格點(diǎn)化處理,數(shù)據(jù)的水平分辨率為0.01°× 0.01°,垂直分辨率為500m,時(shí)間分辨率約6min; [0081] 對(duì)所述圖像數(shù)據(jù)進(jìn)行單體特征提取獲得明顯單體特征,將明顯單體特征所在的區(qū)域作為第一影響區(qū),反之作為非影響區(qū); [0082] 根據(jù)所述監(jiān)測(cè)數(shù)據(jù)采用催化劑擴(kuò)散傳播模型計(jì)算所述非影響區(qū)的作業(yè)影響,獲得第二影響區(qū),通過(guò)剩余區(qū)域的回波強(qiáng)度閾值確定背景區(qū),將所述第一影響區(qū)和所述第二影響區(qū)整合為影響區(qū),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); [0083] 在實(shí)際評(píng)估中,根據(jù)追蹤的影響區(qū)回波參量變化,考慮對(duì)流云單體的生消時(shí)長(zhǎng),選取作業(yè)前1~2小時(shí)至作業(yè)后1~2小時(shí)作為關(guān)注時(shí)段; [0084] 根據(jù)飛行軌跡和對(duì)應(yīng)的雷達(dá)回波分布,確定區(qū)域A為雷達(dá)的有效探測(cè)范圍,即背景區(qū);區(qū)域B為采用回波追蹤方法識(shí)別的催化劑影響回波范圍,即影響區(qū); [0085] 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(píng)估模型,優(yōu)化所述積層混合云播云效果評(píng)估模型,將待評(píng)估數(shù)據(jù)輸入所述積層混合云播云效果評(píng)估模型,輸出評(píng)估結(jié)果; [0086] 在實(shí)際評(píng)估中,根據(jù)催化層高度,考慮催化劑垂直方向的擴(kuò)散與傳輸,計(jì)算兩個(gè)區(qū)域在1500~2500m回波強(qiáng)度的平均值,分析作業(yè)前后差異(圖2)。整個(gè)過(guò)程區(qū)域A平均回波強(qiáng)度無(wú)顯著變化(ref_A=9.1±0.3dBz),區(qū)域B回波強(qiáng)度出現(xiàn)顯著降低;影響區(qū)區(qū)回波變化超過(guò)了背景區(qū),人工播云起到了效果;通過(guò)計(jì)算,kA=0.004,kB=?0.509,播云導(dǎo)致的關(guān)注時(shí)段內(nèi)影響區(qū)回波強(qiáng)度較背景回波強(qiáng)度降低約51.3%; [0087] 將回波強(qiáng)度劃分為≤0dBz,0~10dBz,10~20dBz,20~30dBz,≥30dBz,計(jì)算作業(yè)前后影響區(qū)和背景區(qū)回波強(qiáng)度頻數(shù)分布變化。背景區(qū)各范圍回波強(qiáng)度隨時(shí)間無(wú)明顯變化,影響區(qū)20dBz以上的回波強(qiáng)度顯著降低,小于10dBz的回波明顯增加。 [0088] 在本實(shí)施例中,對(duì)所述圖像數(shù)據(jù)進(jìn)行單體特征提取獲得明顯單體特征的方法,包括: [0089] 將圖像數(shù)據(jù)從笛卡爾坐標(biāo)系轉(zhuǎn)換到球面坐標(biāo)系,采用邊緣檢測(cè)算法對(duì)圖像數(shù)據(jù)進(jìn)行邊緣提取,獲得圖像邊緣; [0090] 將邊緣按照區(qū)域劃分,計(jì)算區(qū)域邊緣與云團(tuán)的關(guān)聯(lián)度: [0091] [0092] 其中邊緣的數(shù)量為K,云團(tuán)的數(shù)量為Y,第k個(gè)邊緣與第y個(gè)云團(tuán)的相似度為S(k,y),偏差系數(shù)為p,區(qū)域邊緣與云團(tuán)的相似度為 [0093] 將區(qū)域邊緣累加求平均值,提取平均值大于0.57的邊緣構(gòu)成的圖像為云團(tuán),采用卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)云團(tuán)進(jìn)行特征提取,獲得云團(tuán)特征; [0094] 按照時(shí)間先后對(duì)云團(tuán)特征進(jìn)行排序,將不同時(shí)刻的云團(tuán)特征進(jìn)行比對(duì),計(jì)算不同時(shí)刻云團(tuán)特征的變化度: [0095] [0096] 其中第s個(gè)時(shí)刻和第s+1個(gè)時(shí)刻的第w個(gè)云團(tuán)的第c個(gè)云團(tuán)特征相似度為Hw,c(s,s+ 1),云團(tuán)特征的數(shù)量為 第s個(gè)時(shí)刻和第s+1個(gè)時(shí)刻的第w個(gè)云團(tuán)的變化度為 第s+1個(gè)時(shí)刻云團(tuán)的位置為 第s個(gè)時(shí)刻云團(tuán)的位置為 調(diào)控 因子為σ,第s個(gè)時(shí)刻和第s+1個(gè)時(shí)刻第c個(gè)云團(tuán)特征的距離為 第w個(gè)云團(tuán)的誤差常數(shù)為μw; [0097] 將變化度大于0.417的云團(tuán)特征輸出為明顯單體特征。 [0098] 在本實(shí)施例中,根據(jù)所述監(jiān)測(cè)數(shù)據(jù)采用催化劑擴(kuò)散傳播模型計(jì)算所述非影響區(qū)的作業(yè)影響的方法,包括: [0099] 催化劑擴(kuò)散傳播模型采用分子動(dòng)力學(xué)進(jìn)行模擬; [0100] 計(jì)算監(jiān)測(cè)數(shù)據(jù)的重要度: [0101] [0102] 其中第u個(gè)監(jiān)測(cè)數(shù)據(jù)的重要度為gu,對(duì)流單體為 監(jiān)測(cè)數(shù)據(jù)為l,第τ+1時(shí)刻第u個(gè)監(jiān)測(cè)數(shù)據(jù)為lu,τ+1,第τ時(shí)刻第u個(gè)監(jiān)測(cè)數(shù)據(jù)為lu,τ,對(duì)流單體 出現(xiàn)的概率為 監(jiān)測(cè)數(shù)據(jù)l出現(xiàn)的概率為q(l),對(duì)流單體 和監(jiān)測(cè)數(shù)據(jù)l同時(shí)出現(xiàn)的概率為 偏差系數(shù)為δ,風(fēng)場(chǎng)影響系數(shù)為Q;

權(quán)利要求

1 2 3
其中第t+1次迭代第a個(gè)搜索子第v個(gè)維度的位置為 ,第t次迭代第a個(gè)搜索子的輪盤(pán)隨機(jī)擾動(dòng)為 ,第t次迭代第a個(gè)搜索子的精英隨機(jī)擾動(dòng)為 ; 否則,根據(jù)全局搜索計(jì)算搜索子位置: 其中0到1的隨機(jī)數(shù)為 ,解空間上界為 ,解空間下界為 ,?1到1的隨機(jī)數(shù)分別為 、 、 、 、 、 ,陷落趨勢(shì)為 ,隨機(jī)數(shù) 第t次迭代第v個(gè)維度的位置為,隨機(jī)數(shù) 第t次迭代第v個(gè)維度的位置為 ,初級(jí)搜索子的位置為 ,初級(jí)搜索子的平均位置為 ,初級(jí)優(yōu)質(zhì)搜索子的位置為 ; 更新初級(jí)搜索子的位置,表達(dá)式為: 其中更新后第a個(gè)初級(jí)搜索子的位置為 ,第b個(gè)搜索子的位置為 ,位置 的適應(yīng)度值為 ,位置 的適應(yīng)度值為 初級(jí)優(yōu)質(zhì)搜索子的平均位置為 ; 基于自適應(yīng)更新搜索子的位置,表達(dá)式為: 其中更新后第t+1次迭代第a個(gè)搜索子的位置為 ,控制參數(shù)為 ,衰減系數(shù)為; 不斷迭代直到達(dá)到最大迭代次數(shù),否則更新初級(jí)搜索子的位置。
微信群二維碼
意見(jiàn)反饋