OPTICS算法在雷电临近预报中应用.docVIP

OPTICS算法在雷电临近预报中应用 　　摘要：针对密度分布不均的雷电定位资料，提出了一种基于OPTICS聚类算法的雷电临近预警模型。该模型运用OPTICS算法对雷暴天气连续时段的雷电定位资料进行聚类分析，有效剔除了影响雷暴云分布的稀疏点。在聚类分析结果基础上，利用“膨胀侵蚀”算法还原雷暴云真实分布，根据雷暴云的移动趋势进行雷电落区预报。此外，针对传统预测算法运行时间长的缺陷，运用邻接表改进了OPTICS算法，且优化了可达队列更新策略。实验结果表明，基于改进的OPTICS算法所构建的雷电临近预报模型降低了算法运行时间，同时提高了雷电预报模型适应能力及预测的准确率。 　　关键词： 雷电临近预报； 定位资料； 聚类分析； OPTICS算法； 移动趋势 　　中图分类号： TP311.1 文献标志码： A 　　0引言 　　雷电是一种造成重大人员伤亡和经济损失的自然现象，随着科学技术的发展和现代化水平的提高，人们对雷电预防及预报的需求变得更为强烈。近几年来，在气象工作者的努力下，建立雷电监测网[1]，积累了大量实时准确的雷电定位资料，为研究者提供了有力的数据支撑。 　　基于雷电定位资料，国内外研究人员提出了不少切实有效的雷电预防预警方法。文献[2-4]通过对雷电定位资料统计分析，观察不同尺度的雷电分布，研究其与雷灾事故之间的内在关系，分析事故成因并提出防护建议。文献[5-6]根据大气电场仪实时监测的电场强度变化判断雷电的走势，并结合雷电定位资料中的地理信息进行雷电预警。文献[7]可视化处理了雷电定位资料，并根据雷达风暴移动趋势预测雷电。这些方法仅将雷电定位资料作为辅助分析资料，未能有效利用雷电资料特性反映雷暴云分布，使得预测准确率、预报范围受限。而雷电定位资料除了反映雷电的定时、定点实时信息外，对雷电的生消、移行规律、雷电预警、临近预报更具价值[8]。为了获得更加全面准确的雷电预报信息，学者们已对雷电定对资料展开了深入的挖掘。其中，文献[9]识别了雷电定位资料中的高密度雷电区，追踪其质心来预测雷电活动趋势；但是该方法仅仅聚焦于活动强度最高的雷电区域，无法识别其他雷电活动区域。文献[10]利???Kmeans对雷电资料聚类分析，在一定程度上解决了识别多个雷电簇的问题；然而由于Kmeans算法需要事先给定类的数目且对噪声点敏感，使得该方法容易错误归类雷电簇，实际应用效果不佳。为此，文献[11]根据DBSCAN（DensityBasedSpatialClusteringofApplicationwithNoise）能够识别任意类个数的特性，采用DBSCAN聚类分析，一定程度上解决了上述问题，然而由于DBSCAN对参数敏感的特点决定了该方法不能有效作用于簇密度差异较大的雷电数据集中，继而不适用于多尺度的雷暴天气。 　　针对以上不足，本文利用雷电定位资料的时空特性，采用基于密度的OPTICS（OrderingPointsToIdentifytheClusteringStructure）算法的雷电临近预报模型，并优化OPTICS算法内部数据结构，提高模型的适用性及预测的准确性，缩短运行时间。 　　1雷电定位数据分析 　　雷电伴随着强对流天气产生，具有随机性、破坏性等特点，在某一时段内的雷电分布无明显的规律可循，雷暴区域的雷电散列地分布在各个地区，雷电监测员很难从杂乱无章的雷电分布图中观察出雷电的变化规律。然而雷暴云是雷电的载体，雷电高密度区域可体现出雷暴云的位置，如果将雷暴地区的雷电数据分时段进行聚类分析，识别出高密度的雷暴区域，即可体现雷暴云分布，将给雷电监测员作临近预报提供科学依据。雷电活动常常随着雷暴云的变化而变化[12]，通过对各时段雷暴云识别与跟踪，分析历史时段的雷暴云中心地理位置，即可结合相关外推方法对其进行一定程度的预测。 　　2OPTICS算法改进及应用 　　3.3雷暴云跟踪及闪电预测 　　经过还原的雷暴云分布相对广阔，采用最大重叠法能够较为容易地建立起时间序列中雷暴云的相关性。将云团与先前时间段内的格点重叠最多的云团归为一类，如没有与先前时间段的任一云团重合，则为一个新的雷暴云。 　　求出各时间段雷暴云所对应雷电簇的质心，根据连续时段质心的位置偏移可得雷暴云的平均移向移速，将当前时刻的雷暴云分布在该速度和方向上平移可进行雷电落区预报。根据雷暴云各自的移向移速，本文做了时间段为1h，时间间隔为10min的雷电临近预报，3：30至4：30的预测效果如图6所示，图中网格为预测区域，黑点为当前时刻的实际雷电。 　　4结语 　　本文针对江苏省雷电定位资料，利用改进的OPTICS聚类算法对其进行分时段聚类分析，研究了基于该算法的雷电临近预报模型，并开发了雷电临近预报系统。实验结果表明，该方法在降低虚警率的前提下