購物車(0)
基于支持向量機(jī)的雙偏振雷達(dá)對(duì)流降水類型識(shí)別方法研究
關(guān)鍵詞：雙偏振雷達(dá) 支持向量機(jī) 多波長聯(lián)合觀測 對(duì)流降水
摘要：利用基于T矩陣法建立的降水粒子雷達(dá)探測模型,建立了基于支持向量機(jī)(Support Vector Machine, SVM)的雷達(dá)降水類型識(shí)別模型。通過樣本數(shù)據(jù)歸一化預(yù)處理,并考慮到樣本集中各偏振參量間是非線性的,擇優(yōu)選徑向基核函數(shù)作為非線性支持向量機(jī)的核函數(shù),采用粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)獲取最優(yōu)核函數(shù)參數(shù)C和7 ,使模型達(dá)到較高分類預(yù)測準(zhǔn)確率。建立的SVM雷達(dá)降水類型識(shí)別模型,在各仰角的預(yù)測準(zhǔn)確率于X波段可達(dá)80%以上,于S波段可達(dá)95%左右。進(jìn)一步分析發(fā)現(xiàn),當(dāng)多波長下預(yù)測降水類型相同時(shí),分類預(yù)測結(jié)果準(zhǔn)確率可達(dá)97.3%,而錯(cuò)誤的概率僅為2.7%。可見,所建立的SVM雷達(dá)降水類型識(shí)別模型,有效提高了雷達(dá)對(duì)流天氣下降水類型的識(shí)別能力。
暴雨災(zāi)害雜志要求:
{1}注釋。注釋用于對(duì)文內(nèi)某一特定內(nèi)容的解釋或說明，其序號(hào)分別為：①、②、③…，注釋內(nèi)容置于正文之后。
{2}文稿內(nèi)容不得涉密，并請(qǐng)軍隊(duì)、軍工等涉密單位作者提供本單位保密部門出具的保密審查證明。請(qǐng)勿一稿多投，否則責(zé)任自負(fù)。本刊對(duì)文稿有權(quán)修改，所發(fā)表文章版權(quán)歸編輯部所有。
{3}標(biāo)題使用小二號(hào)字，宋體，加粗顯示；正文使用五號(hào)字，宋體；圖題、圖注、表格、標(biāo)注、參考文獻(xiàn)使用小五號(hào)字,宋體。文中英文均使用Times New Roman字體，根據(jù)其在文中所處位置選用相應(yīng)字號(hào)。
{4}參考文獻(xiàn)至少3個(gè)，應(yīng)引用公開發(fā)表的文獻(xiàn)。
{5}正文中表示標(biāo)題級(jí)別的序號(hào)形式，一般從大到小依次為：“一”“（一）”“1”“（1）”“①”等。可以根據(jù)標(biāo)題的實(shí)有級(jí)別，跳過某些形式的序號(hào)。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
