多源数据融合高时空分辨率晴雨分类

• 作者: 何险峰 匡秋明 张文生 惠建忠 杨雪冰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 多源数据 随机森林 多视角 晴雨分类
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 复杂环境下的机器学习研究专刊
• 页码范围: 2925-2939
• 页数: 15页
• 分类号: TP311
• 字数: 11858字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005336

摘要

高时空分辨率晴雨分类与交通、旅游、农业灌溉及人们日常出行都密切相关,然而“天有不测风云”,“东边日头西边雨”,准确的高时空分辨率晴雨分类是极具挑战性的问题.提出了一种基于多源数据的多视角学习晴雨分类方法,其中,多源数据包括雷达、卫星及地面观测因子及晴雨观测数据.该方法表述如下:首先,依据雷达观测因子构造了VisCAPPI视角和VisPPI视角,依据葵花卫星资料构造了VisSat视角,依据地面观测因子构造了VisGround视角;然后,对这4个视角特征进行组合获得组合视角VisCAPPI_ PPI,VisRadar_S at,VisRadarGroumd,VisSat_Ground,VisRadar_ Sat_ Ground,应用随机森林机器学习方法分别对这些视角进行样本学习,获得这些视角的晴雨分类模型;最后,对这些视角晴雨分类模型估计进行融合,获得晴雨分类结果.主要贡献在于:(1)提出了雷达、卫星和地面观测因子多视角构建方法,构建了VisCAPPI,VisPPI,VisSat和VisGround晴雨分类视角及其组合视角;(2)提出了一种多视角方法(multi-view weight random forest,简称MVWRF),能够处理雷达、卫星和地面观测因子多源数据融合晴雨分类问题,提高1km×1km和6min时空分辨率晴雨分类准确率.在2016年10月7日和8日,泉州雷达覆盖的393个气象观测站上进行模型训练和测试,结果显示,该方法能够取得较高的晴雨分类准确率和较低的漏报率、空报率,优于对比方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张文生	中国科学院自动化研究所	98	1246	18.0	33.0
3	惠建忠		14	24	4.0	4.0
5	杨雪冰	中国科学院自动化研究所	4	20	2.0	4.0
11	匡秋明		3	5	1.0	2.0
15	何险峰		1	5	1.0	1.0