【技术实现步骤摘要】
一种强对流天气预报预警方法
[0001]本专利技术属于天气预报预警
，具体涉及一种强对流天气预报预警方法。
技术介绍
[0002]目前，短时强降水已成为严重威胁电网安全稳定运行的主要灾害之一，其分布范围占比高达80％，短时强降水过程伴随的雷暴大风、冰雹等灾害天气，局地性强、空间尺度小、生命周期短、破坏力强、易发次生灾害多，常常使得电力系统设备跳闸、断电、倒塔，甚至造成人员伤亡等事故，短时强降水具有突发性强，来势凶猛、降水集中、生命史短等特点，较短的仅有几分钟，一般约为一小时至几小时。由于短时强降水过程属于小微尺度天气系统，目前小微尺度数值模式多为边界层诊断模式，没有积云对流方案，无法预报强降水；而中尺度数值模式与常规气象观测网络捕捉能力较为有限，给强降水的预报带来困难。
[0003]多年来，灾害性大风一直威胁着电网输电线路的安全运行，因强风造成的输电线路倒杆塔、断线、风偏、污闪、绝缘子脱串和金具断裂等事故时有发生，保障输电线路的安全具有极其重要的地位。这些事故的预防需要建立大风预警机制，这在客观上要求电网公司必须建立起电网沿线的气象监测网，同时能够准确地预报出沿线未来的天气情况，尤其是是大风天气，并做出及时的预警。
[0004]在华南地区，引起25m/s以上对输电设施具有危害性影响的大风主要来自两种极端天气情况：一是生成、来自海上的台风系统带起的强风；二是生成、来自内陆的飑线系统引起的强风。台风已引起广泛重视、重点防御，而飑线系统过境伴随风向急转、风速剧增，常常达到20m/s，有的甚至达到50m...
【技术保护点】
【技术特征摘要】
1.一种强对流天气预报预警方法，其特征在于，包括强降水预报预警方法、强风预报预警方法、雷电预报预警方法和台风系统预报预警方法；S1、所述强降水预报预警方法包括基于实时高频雷达信息的短时强降水灾害识别、短时强降水0
‑
2小时临近预报以及短时强降水0
‑
6小时的短期预报；所述基于实时高频雷达信息的短时强降水灾害识别为：获取天气雷达的图像数据并进行预处理，得到预处理后的雷达图像数据；从预处理后的雷达图像数据提取目标站点及附近的雷达图像数据，并结合气象观测数据，获取云团的时空尺度特征；基于所述的云团时空尺度特征以及雷达图像数据中相关信息，构建强降水识别模型，并结合强降水灾害的云团不同时空尺度特征，得到短时强降水的识别方法；所述短时强降水0
‑
2小时临近预报为：对未来0
‑
2小时的目标云团移动轨迹进行追踪；将实时的雷达资料输入至预先设立的卷积神经网络模型中进行训练，得到短时强降水的落区及降水量，同时结合所述的目标云团移动轨迹进行追踪，得到未来0
‑
2小时内的短时强降水预报信息；所述短时强降水0
‑
6小时的短期预报为：用WRF模式识别出云团带，并得到时空尺度特征及生消变化过程，同时使用SIFT云团轨迹技术对云团带进行追踪；提取预报场中0
‑
6小时的超过阈值的短时强降水表征因子及相关重要要素；将所述的表征因子及相关重要要素以及输入资料输入至预先设立的深度学习模型中，得到短时强降水信息，并结合所述的SIFT云团轨迹技术，得到0
‑
6小时的短期强降水预报信息；S2、所述强风预报预警方法包括强风短临预报方法、强风中期预报方法；其中，所述强风短临预报方法为：分别采用基于雷达对飑线风进行预报和基于气象站观测数据对飑线风进行预报，得到基于雷达的飑线风预报结果和基于气象站观测数据的飑线风预报结果；根据基于雷达的飑线风预报结果和基于气象站观测数据的飑线风预报结果，采用机器学习算法分配权重，对两种预报结果进行强度和空间融合，实现准确的飑线风短临预报；所述强风中期预报方法为：获取飑线风WRF数值模式，得到区域内未来各物理量的变化；对所述的各物理量的变化做进一步分析，得到格点形式各物理量的变化，并以格点形式给出飑线风的24小时预报结果；对所述飑线风的24小时预报结果进行订正；S3、所述雷电预报预警方法包括雷电潜势预报方法以及临近雷电预报方法；所述雷电潜势预报方法是基于雷电相关的物理参数的建立回归方程，得到雷暴出现概率；根据所述雷暴出现概率，利用电网雷电观测实时数据的雷电预报进行订正，最终得到雷电潜势预报结果；所述临近雷电预报方法为：
将逐小时闪电定位数据和逐小时闪电放电时间进行格点化，并将格点化的闪电放电时间外推0
‑
6小时，得到格点化的闪电定位数据、格点化的闪电放电时间数据以及闪电放电时间外推0
‑
6小时的数据；根据所述闪电放电时间外推0
‑
6小时的数据和短期预报结果以及格点化的闪电定位数据，建立回归模型，得到雷电短临预报结果；对所述雷电短临预报结果利用神经网络进行订正；S4、所述台风系统预报预警方法包括对台风定位和台风定强；其中，所述台风定位是通过暖心定位获取到台风的位置，所述台风定强是通过风云4A新算法对台风进行定强；所述暖心定位为：判定载入的遥感图片中通道的数据，得到遥感数据信息，同时获取指定经纬度点附近的地理位置；根据经纬度点附近的地理位置获取相应范围的遥感数据信息，通过计算找到相应范围的遥感数据中最大值的点，并将所述最大值的点显示在地图上，同时记录最大值的点的坐标。2.根据权利要求1所述一种强对流天气预报预警方法，其特征在于，所述获取天气雷达的图像数据并进行预处理，得到预处理后的雷达图像数据，具体为：分别提取多普勒天气雷达、风廓线雷达、电网自建X波段雷达的图像数据，根据雷达图像数据分别反演出不同高度水平风速数据、三维风场的数据以及云的特征数据；将雷达图像反演得到的相关气象要素数据与观测点的气象观测数据进行相互校验，对误差较大的雷达图像数据进行剔除或订正处理；并将通过质量审核的数据进行集成，选择融合算法并按照统一的格式进行标准化处理，最后将雷达图像实现结构化数据的存储；所述从预处理后的图像数据提取目标站点及附近的雷达图像数据，并结合气象观测数据，获取云团的时空特征，具体为：从雷达图像数据中获取目标站点及其附近的雷达图像数据，并从中选取分辨率、观测内容均统一的雷达图像；结合气象观测数据，利用局部雷达图像样本之间存在的重叠部分，通过模板匹配方式寻找样本之间的坐标关联特性，从而将一系列小范围雷达图像拼接到空间更大范围的雷达图像，从整体雷达图像中获取短时强降水灾害的雷达反射率因子的时空尺度特征，进而获取云团的时空特征；所述构建强降水识别模型，具体为：从大量的强降水过程的雷达图像数据中提取反射率因子信息，研究雷达反射率因子和降水强度、云团特征的关系并构建强降水识别模型，分析强降水灾害的不同时空尺度特征，并基于不同时空尺度特征提出短时强降水灾害的识别方法。3.根据权利要求1所述一种强对流天气预报预警方法，其特征在于，所述对未来0
‑
2小时的目标云团移动轨迹进行追踪是基于泰勒冻结假设，运用SIFT技术，将云团的时间预测问题转化为局部空间预测问题，实现对未来0
‑
2小时的目标云团移动轨迹追踪；所述将实时的雷达资料输入至预先设立的卷积神经网络模型中进行训练，具体为：由于大气的降水量、风场、云团要素是关于时空的连续函数，根据RobertHecht
‑
Nielsen定理，即一个三层网络实现以任意精度逼近任何连续函数；因此选用一个隐藏层，即3层网络，完成降水量、风场、云团要素非线性映射；将所有的映射权重初值用一些不同的
小随机数进行初始化，用来保证网络不会因权值过大而进入饱和状态；在训练过程中，将雷达图像部分采用多层卷积池化，随后将向量拉平到一维，得到雷达图像特征，并将雷达图像特征在全连接层中与其余非图像类特征合并，共同输入到3个隐藏层的神经网络中；在后向传播的过程中，随着网络深度的增加，从输出层到网络的最初几层的梯度的幅度值会急剧减小，即过拟合问题，因此采用dropout防止过拟合，梯度下降则采用Adam优化算法。4.根据权利要求1所述一种强对流天气预报预警方法，其特征在于，所述用WRF模式识别出云团带，具体为：提取WRF模式0
‑
6小时预报场中850hPa以上的多层云水、云冰、雨水、雪及霰数据，并进行格点相加，并设定云区中水物质比质量的第一阈值，云区水物质比质量大于设定第一阈值为有云，否则视为无云，由此识别出云团带，并得到时空尺度特征及生消变化过程，然后使用SIFT方法对云团带进行追踪；所述提取预报场中0
‑
6小时的超过阈值的短时强降水表征因子及相关重要要素是基于历史WRF模式中高分辨率预报结果，深度WRF挖掘模式中短时强降水的表征因子，如局地的风速、雷暴潜势指数的飙升；并提取短时强降水的几个重要要素，包括垂直风场和水汽场，结合历史预报结果中的资料统计得到的短时强降水过程中表征因子及重要要素的第二阈值，提取预报场中0
‑
6小时的超过第二阈值的短时强降水表征因子及相关重要要素；所述将所述的表征因子及相关重要要素包括短时强降水表征因子、相关重要要素、时空特征尺度及生命周期匹配特征。5.根据权利要求1所述一种强对流天气预报预警方法，其特征在于，所述基于雷达对飑线风进行预报，具体为：雷达基数据滤波处理：采用雷达基数据，利用雷达基数据中不同仰角的多层回波对雷达图像进行三维数学特性滤波处理，使得雷达滤除杂波更加有效；同时采用多层仰角回波的空间插补延长法弥补天气雷达图像中缺失的数据，得到第一雷达图像；预测雷达回波：将第一雷达图像采用前沿的光流法技术对雷达回波的运动轨迹进行定量的分析，通过计算雷达回波的光流场得到回波的运动矢量场，并基于运动矢量场对雷达回波进行外推，从而推断飑线风区的移动演化状况，对飑线风区进行0
‑
2小时的临近预报，得到预测的第二雷达图像；雷达数据后处理：预测的第二雷达图像，其在平滑性和连续性上都会有一定的缺失，因此需要对雷达数据进行后处理操作；首先需要进行一个闭操作，将裂缝、孔洞补全，其次，根据大区预报的不同，对雷达回波做一定的处理；如果是单体雷暴强对流天气系统，回波边缘清晰梯度明显，则通过腐蚀操作来减少边缘扩散，反之，则通过扩充操作增大雷达回波范围，补充边缘在前处理中被过滤掉的低阈值信息，以此提高预报准确性；窄带回波、辐合线识别：计算雷达数据后处理的雷达图像中的每个回波点的双向梯度来保留线状的回波，但由于无法得知窄带回波与径向线的夹角，因此在具体算法中设计了多个不同夹角的模...
【专利技术属性】
技术研发人员：刘智勇，范伟男，刘俊翔，张滔，王红斌，许中，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。