購物車(0)
基于支持向量機的雙偏振雷達對流降水類型識別方法研究
關鍵詞：雙偏振雷達 支持向量機 多波長聯(lián)合觀測 對流降水
摘要：利用基于T矩陣法建立的降水粒子雷達探測模型,建立了基于支持向量機(Support Vector Machine, SVM)的雷達降水類型識別模型。通過樣本數據歸一化預處理,并考慮到樣本集中各偏振參量間是非線性的,擇優(yōu)選徑向基核函數作為非線性支持向量機的核函數,采用粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)獲取最優(yōu)核函數參數C和7 ,使模型達到較高分類預測準確率。建立的SVM雷達降水類型識別模型,在各仰角的預測準確率于X波段可達80%以上,于S波段可達95%左右。進一步分析發(fā)現,當多波長下預測降水類型相同時,分類預測結果準確率可達97.3%,而錯誤的概率僅為2.7%?？梢?所建立的SVM雷達降水類型識別模型,有效提高了雷達對流天氣下降水類型的識別能力。
暴雨災害雜志要求:
{1}注釋。注釋用于對文內某一特定內容的解釋或說明，其序號分別為：①、②、③…，注釋內容置于正文之后。
{2}文稿內容不得涉密，并請軍隊、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。請勿一稿多投，否則責任自負。本刊對文稿有權修改，所發(fā)表文章版權歸編輯部所有。
{3}標題使用小二號字，宋體，加粗顯示；正文使用五號字，宋體；圖題、圖注、表格、標注、參考文獻使用小五號字,宋體。文中英文均使用Times New Roman字體，根據其在文中所處位置選用相應字號。
{4}參考文獻至少3個，應引用公開發(fā)表的文獻。
{5}正文中表示標題級別的序號形式，一般從大到小依次為：“一”“（一）”“1”“（1）”“①”等。可以根據標題的實有級別，跳過某些形式的序號。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
