基于模糊逻辑的雷暴大风和非雷暴大风区分方法

• 作者: 周康辉 林建 王婷波 蓝渝 郑永光
• 来源期刊: 气象
• 学科: 地球科学
• 关键词: 雷暴大风 强对流 模糊逻辑
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 暖季试验研究论文
• 页码范围: 781-791
• 页数: 11页
• 分类号: P456|P413
• 字数: 7290字
• 语种: 中文
• DOI: 10.7519/j.issn.1000-0526.2017.07.002

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑永光		71	1368	22.0	34.0
2	林建		26	797	15.0	26.0
3	周康辉		12	164	7.0	12.0
6	蓝渝		11	211	9.0	11.0
10	王婷波		6	19	2.0	4.0