一种雷暴单体识别方法和装置

本发明涉及气候监测，尤其涉及一种雷暴单体识别方法和装置。

背景技术：

1、随着当今天气监测系统的普及，对于雷暴活动的监测和预测变得越来越重要，目前闪电监测方法是使用闪电定位系统来定位闪电的位置，闪电数据记录的格式，一般为逐条，包含闪电发生的时间位置和强度，同时由于设备的限制，闪电定位仪的数据会有误差点出现，会影响雷暴单体的识别效果。针对闪电原始数据，需要对闪电分布进行识别和聚类得到的雷暴单体。目前一些聚类方法，如k-means和cfsfdp等需要预先知道雷暴单体的数量，或者需要人工干预，使用半监督学习来识别和区分不同的雷暴单体。而在雷暴预警预测领域中，雷暴单体信息的准确全面，是提高雷暴预测准确率的基础，因此，对雷暴单体进行批量自动识别是非常必要的。

2、现有相关技术中，传统的dbscan（density-based spatial clustering ofapplications with noise，一种比较有代表性的基于密度的聚类算法）聚类方法可以识别多个单体并具有较好的凹形状识别能力，并且可以去除单点的噪声，同时不需要预先知道雷暴单体数量。具体步骤如下：

3、步骤如下：

4、1）选择一个点，将其标记为“核心点”（core point）或“噪声点”（noise point）：如果该点周围的密度（即指定半径范围内的点数）达到预设阈值，则将其标记为核心点，否则将其标记为噪声点。

5、2）扩展核心点：对于标记为核心点的点，进一步扩展其密度可达区域内的所有点，直到不能再扩展为止。将这些点都归为一个类别，称之为一个“簇”（cluster）。

6、3）处理未访问的点：对于未访问过的点，若其属于某个簇的密度可达区域，则将其归入该簇；否则将其标记为噪声点。

7、4）迭代步骤2和3：继续遍历未访问的点，执行步骤2和3，直到所有点都被访问。

8、在执行完dbscan算法后，每个簇都代表一个雷暴单体，其中核心点代表该单体的中心区域，而边缘点则代表该单体的边界区域。通过对聚类结果的分析，可以得到包含位置、大小、形状等特征信息的雷暴单体。

9、但是，本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术方案至少存在如下技术问题：

10、1、参数依赖性：由于dbscan算法需要手动设置参数，这需要实施人对闪电数据的特性和聚类目标有一定的先验知识，并且还需要反复试验来寻找最佳参数；而实际上，闪电数据的特征会随时间和空间变化，这就需要重新调整参数，导致增加算法的复杂性，不利于批量自动处理。

11、2、对密度变化敏感：dbscan算法的聚类结果对密度变化敏感，当闪电数据集中存在密度变化的区域时，容易将其划分为多个聚类簇或将多个密度不同的雷暴单体识别为同一个簇，导致聚类结果不准确。

技术实现思路

1、本发明旨在通过对传统的dbscan算法进行优化，解决现有技术中因传统的dbscan算法对参数设置和闪电数据密度敏感，而导致对雷暴单体无法批量自动识别及识别结果准度低的技术问题。

2、主要通过以下技术方案实现上述发明目的：

3、第一方面，一种雷暴单体识别、边界提取方法，包括：

4、通过获取闪电定位仪原始散点数据和雷达组合反射率矩阵数据；按照雷达组合反射率矩阵数据的时间分辨率和矩阵大小，将所述原始散点数据转换为矩阵数据；构建所述矩阵数据的最小生成树；将所述最小生成树的每个节点作为一个簇，通过节点簇生成各子簇，以雷暴单体最小簇为筛选条件，删除所有不满足筛选条件的子簇，所述雷暴单体最小簇是根据所述矩阵数据中发生闪电的格点数量确定的；计算每个簇的稳定性，根据稳定性确定选定簇，所述选定簇的稳定性大于其所属各子簇的稳定性之和；将所述选定簇中的点转换为所述矩阵数据中格点的坐标，得到若干表示雷暴单体的目标簇。

5、第二方面，一种雷暴单体识别装置，包括：

6、数据获取模块，用于获取闪电定位仪原始散点数据和雷达组合反射率矩阵数据；

7、数据转换模块，用于按照雷达组合反射率矩阵数据的时间分辨率和矩阵大小，将所述原始散点数据转换为矩阵数据；

8、最小树生成模块，用于构建所述矩阵数据的最小生成树；

9、最小树剪枝模块，用于将所述最小生成树的每个节点作为一个簇，通过节点簇生成各子簇，以雷暴单体最小簇为筛选条件，删除所有不满足筛选条件的子簇，所述雷暴单体最小簇是根据所述矩阵数据中发生闪电的格点数量确定的；

10、雷暴单体识别模块，用于计算每个簇的稳定性，根据稳定性确定选定簇，所述选定簇的稳定性大于其所属各子簇的稳定性之和；将所述选定簇中的点转换为所述矩阵数据中格点的坐标，得到若干表示雷暴单体的目标簇。

11、第三方面，一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述一种雷暴单体识别方法的步骤。

12、第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述一种雷暴单体识别方法的步骤。

13、第五方面，一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述一种雷暴单体识别方法的步骤。

14、相较于现有技术的有益效果：

15、本发明通过根据矩阵数据中发生闪电的格点数量确定的雷暴单体最小簇为筛选条件，删除不满足筛选条件的子簇，再通过计算簇的稳定性，以稳定性作为判断标准，使用了一种层次聚类的方法来自动识别确定不同密度的雷暴单体的目标簇，无需人工干预，不需要手动设置参数，如邻域半径eps和该邻域内应有的最小样本数min_samples，因此不需要实施人对闪电数据的特性和聚类目标有一定的先验知识，也不需要反复试验来寻找最佳参数；降低了雷暴单体识别的复杂度，有利于批量自动处理；另外，本发明对密度变化不敏感：避免了因闪电数据集中存在密度变化敏感的区域时，容易将其划分为多个聚类簇或将多个密度不同的雷暴单体识别为同一个簇，导致聚类结果不准确的问题，有利于提升雷暴单体识别的准度。

技术特征：

1.一种雷暴单体识别方法，其特征在于，包括：

2.如权利要求1所述的雷暴单体识别方法，其特征在于，按照雷达组合反射率矩阵数据的时间分辨率和矩阵大小，将所述原始散点数据转换为矩阵数据，包括：

3.如权利要求2所述的雷暴单体识别方法，其特征在于，还包括：

4.如权利要求1~3任一项所述的雷暴单体识别方法，其特征在于，还包括：

5.如权利要求1所述的雷暴单体识别方法，其特征在于，根据所述矩阵数据中发生闪电的格点数量确定所述雷暴单体最小簇，计算式如下：

6.如权利要求5所述的雷暴单体识别方法，其特征在于，构建所述矩阵数据的最小生成树，包括：

7.如权利要求6所述的雷暴单体识别方法，其特征在于，两点之间的相互可达距离的计算式如下：

8.如权利要求7所述的雷暴单体识别方法，其特征在于，将所述最小生成树的每个节点作为一个簇，通过节点簇生成各子簇，以雷暴单体最小簇为筛选条件，删除所有不满足筛选条件的子簇，包括：

9.如权利要求1所述的雷暴单体识别方法，其特征在于，每个簇的稳定性的计算式如下：

10.如权利要求1所述的雷暴单体识别方法，其特征在于，还包括：

11.如权利要求10所述的雷暴单体识别方法，其特征在于，根据所述格点数量n和面积s计算得到目标圆的半径的计算式如下：

12.如权利要求10所述的雷暴单体识别方法，其特征在于，判断所述目标圆内是否包含除所述任意两个发生闪电的格点以外的其他格点，包括：

13.如权利要求10所述的雷暴单体识别方法，其特征在于，还包括：

14.如权利要求13所述的雷暴单体识别方法，其特征在于，根据所述目标簇点集对应的雷达组合反射率确定所述目标簇对应的雷暴单体内发生雷暴的概率，包括：

15.一种雷暴单体识别装置，其特征在于，包括：

技术总结
本发明涉及气候监测技术领域，公开了一种雷暴单体识别方法和装置，通过获取闪电定位仪原始散点数据；按照雷达组合反射率矩阵数据的时间分辨率和矩阵大小将原始散点数据转换为矩阵数据；构建矩阵数据的最小生成树；将最小生成树的每个节点作为一个簇，通过节点簇生成各子簇，以雷暴单体最小簇为筛选条件，删除所有节点簇中不满足筛选条件的子簇；计算每个簇的稳定性，根据稳定性确定选定簇；将选定簇中的点转换为矩阵数据中格点的坐标，得到若干表示雷暴单体的目标簇。本发明无需人工干预，不需要手动设置参数，降低了雷暴单体识别的复杂度，有利于批量自动处理；另外，本发明对密度变化不敏感，有利于提升雷暴单体识别的准度。

技术研发人员：张喜,罗飞,罗谦,王亚强,曹亮
受保护的技术使用者：成都信息工程大学
技术研发日：
技术公布日：2024/1/13