基于支持向量机的雷达地物回波识别研究

论文摘要

多普勒天气雷达探测过程中的非气象因子会显著影响雷达资料的定量化应用,在雷达基数据的应用前需对雷达资料进行抑制地物杂波、去距离折叠和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机(Support Vector Machine,SVM)识别雷达地物杂波的方法,2013年6—8月对安庆和常州两地的CINRAD/SA雷达观测资料进行雷达地物回波识别,并将其与运用人工神经网络(Artificial Neural Networks,ANNs)识别的结果进行对比,结果表明支持向量机方法能够取得更好的效果。在地物、降水回波总样本识别和地物回波识别方面更为有效;降水回波的误判方面,神经网络略优于支持向量机,但两者差异不大,都将降水回波的误判率控制在了一个较小的范围内;另外支持向量机方法较之神经网络方法对于训练样本数目的依赖性较小,在训练样本较少时,支持向量机方法仍能保持有效的识别效果。

论文目录

• 1 资料选取
• 2 方法介绍
•   2.1 SVM原理
•   2.2 参数提取
• 3 特征参数统计分析
• 4 识别效果分析
•   4.1 神经网络阈值确定
•   4.2 统计结果分析
• 5 个例分析
•   5.1 个例分析一
•   5.2 个例分析二
• 6 结论

文章来源

类型: 期刊论文

作者: 魏鸣,管理,梁学伟,秦南南

关键词: 地物回波,神经网络,支持向量机

来源: 大气科学学报 2019年04期

年度: 2019

分类: 基础科学

专业: 气象学

单位: 南京信息工程大学气象灾害预报预警与评估协同创新中心,上海中心气象台,安徽省气象台

基金: 国家重点基础研究发展计划(973计划)项目(2013CB430102),公益性行业(气象)科研专项(GYHY201306040),上海市科委资助项目(15dz1207802),国家自然科学基金青年基金资助项目(41305031),江苏省普通高校研究生科研创新计划项目(KYLX_0832)

分类号: P412.25

DOI: 10.13878/j.cnki.dqkxxb.20170815015

页码: 631-640

总页数: 10

文件大小: 5720K

下载量: 96