| 基于模糊逻辑的雷暴大风和非雷暴大风区分方法 |
| |
| 引用本文： | 周康辉,郑永光,王婷波,蓝渝,林建.基于模糊逻辑的雷暴大风和非雷暴大风区分方法[J].气象,2017,43(7):781-791. |
| |
| 作者姓名： | 周康辉 郑永光 王婷波 蓝渝 林建 |
| |
| 作者单位： | 中国气象科学研究院，北京 100081;中国科学院大学，北京 100049;国家气象中心，北京 100081,国家气象中心，北京 100081,中国气象局气象干部培训学院，北京 100081,国家气象中心，北京 100081 |
| |
| 基金项目： | 公益性行业(气象)科研专项(GYHY201406002)、国家重点基础研究发展计划(973计划)(2013CB430106)和国家自然科学基金项目(41375051)共同资助 |
| |
| 摘 要： | 雷暴大风往往伴随飑线、阵风锋、龙卷等强对流天气而出现,风速大、发展迅速、突发性强,对生命财产安全造成极大威胁,因此对雷暴大风的监测与预报具有重要的意义。然而,雷暴大风监测一直也是强对流监测的难点。本文在地面气象观测站大风记录的基础上,结合多源数据(包括雷达、卫星、闪电、温度、露点等观测数据),利用模糊逻辑算法,实现雷暴大风与非雷暴大风的有效识别,可对雷暴大风进行实时监测。具体算法为:首先,基于历史样本数据的统计得到各变量的概率分布函数,进而得到各参数隶属度函数;然后采用概率重叠面积方法,确定各项质量控制数据的权重;最后通过选取判断概率阈值Q的方法,区分雷暴大风与非雷暴大风。通过对2010年全国50873条人工观测大风数据的识别结果检验表明,该算法能有效区分雷暴大风与非雷暴大风,当Q选取0.55时,雷暴大风的识别准确率POD约为0.76,误识别率约为0.18,雷暴大风CSI指数约为0.67。文中选取了两次大风过程,算法正确地识别了11个非雷暴大风记录,5个雷暴大风记录。本工作能一定程度上提升雷暴大风的监测效果、完善强对流监测业务体系。
|
| 关 键 词： | 雷暴大风，强对流，模糊逻辑 |
| 收稿时间： | 2016/11/7 0:00:00 |
| 修稿时间： | 2017/3/31 0:00:00 |
Fuzzy Logic Algorithm of Thunderstorm Gale Identification Using Multisource Data |
| |
| ZHOU Kanghui,ZHENG Yongguang,WANG Tingbo,LAN Yu and LIN Jian.Fuzzy Logic Algorithm of Thunderstorm Gale Identification Using Multisource Data[J].Meteorological Monthly,2017,43(7):781-791. |
| |
| Authors: | ZHOU Kanghui ZHENG Yongguang WANG Tingbo LAN Yu and LIN Jian |
| |
| Institution: | Chinese Academy of Meteorological Sciences, Beijing 100081;University of Chinese Academy of Sciences, Beijing 100049;National Meteorological Centre, Beijing 100081,National Meteorological Centre, Beijing 100081,China Meteorological Administration Training Centre, Beijing 100081 and National Meteorological Centre, Beijing 100081 |
| |
| Abstract: | |
| |
| Keywords: | thunderstorm gale severe convective weather fuzzy logic |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《气象》浏览原始摘要信息 |
| 点击此处可从《气象》下载免费的PDF全文 |
|
