李冰潔,李國東(新疆財經(jīng)大學應用數(shù)學學院,新疆 烏魯木齊830012)
?
基于細胞神經(jīng)網(wǎng)絡與Bayes判別法的冰雹預測
李冰潔,李國東
(新疆財經(jīng)大學應用數(shù)學學院,新疆 烏魯木齊830012)
選取新疆地區(qū)的雹云圖像利用細胞神經(jīng)網(wǎng)絡邊緣提取方法,得到圖像的紋理信息,再用二維小波變換進行處理,得到每個圖像的四個特征系數(shù);以這些特征系數(shù)為判別變量,區(qū)分降雹與無雹的圖像;利用Bayes判別法構造判別模型,對雹云圖像進行分析判別。結果顯示本文采用的方法能夠明顯的區(qū)分降雹與無雹云層,判別誤差較小,具有參考價值。
CNN邊緣提取;小波變換;Bayes判別法;數(shù)據(jù)處理
冰雹是一種由強對流天氣系統(tǒng)引起的十分嚴重的氣象災害。降雹具有一定的周期性,地域性強,持續(xù)時間一般較短,但是來勢兇猛,對農(nóng)業(yè)、建筑業(yè)、電力、交通、通訊等有巨大的影響,對經(jīng)濟造成嚴重的損失。隨著‘一路一帶’的思想提出,新疆地區(qū)作為絲綢之路中連接中亞與俄國的重要省份迅速發(fā)展。新疆資源豐富,土地遼闊,但地形復雜是我國西北地區(qū)冰雹災害常發(fā)地區(qū)之一。新疆的冰雹季節(jié)性強且雹日高度集中,冰雹對新疆農(nóng)業(yè),畜牧業(yè)等特色產(chǎn)業(yè)都存在著危害。所以應重視新疆冰雹預測、預警的工作。
國外很早就在美國開始了對強對流天氣的研究。采用強對流參數(shù)估計法,氣候統(tǒng)計特征等方法,獲得了較好的成果,引起了各國學者對強對流天氣系統(tǒng)的研究,在冰雹預測中有重要作用。我國對強對流天氣系統(tǒng)的研究起步較晚,但是我國近年來關于冰雹氣候特征、預報預警方法等方面的工作,得到了很多的理論成果和研究方法。多普勒天氣雷達的應用使強對流天氣的研究更加準確。由于冰雹的形成與積雨云的高度,環(huán)境溫度,含水量,氣流等因素都有關系,國內(nèi)的研究數(shù)據(jù)多為云層的高度、溫度、厚度,而忽略了云層圖像蘊含的信息。本文以新疆地區(qū)的雹云圖像為基礎,利用細胞神經(jīng)網(wǎng)絡的邊緣提取技術,小波變換技術與多元統(tǒng)計分析中的Bayes判別法來識別降與不降雹的雷達圖像。通過驗證此方法可有效地區(qū)分雹云圖像。
根據(jù)文獻提出的方法,對圖像進行處理。把降雹與無雹的圖像進行細胞神經(jīng)網(wǎng)絡邊緣提取處理后,再進行二維小波變換,設a1,a2,a3,a4分別為小波變換后得到的近似細節(jié)系數(shù)、水平細節(jié)系數(shù)、垂直細節(jié)系數(shù)、對角細節(jié)系數(shù)。將所得到的ai,i=1,2,3,4按以下公式處理:
表1 圖像小波系數(shù)
其中im是被分析的信號大小,得到表1。
其中第一組數(shù)據(jù)為降雹圖像所提取的數(shù)據(jù),第二組為不降雹圖像所提取的數(shù)據(jù)。可以明顯看出降雹數(shù)據(jù)的x1,x2都比不降雹的圖像高,不降雹的x3,x4都比降雹的圖像高。因此可以依據(jù)四個系數(shù)的不同來分辨降雹與否。
判別分析(discriminat analysis)是多變量統(tǒng)計分析中用來判別樣品(觀測值)所屬類型的一種統(tǒng)計分析方法。它分析的是在研究對象已被分類的前提下確定新的樣本屬于哪一類。建立辨別準則,使得利用判別準則對新的觀測值進行分類時,誤判率非常小。
3.1Bayes判別數(shù)學模型
Bayes判別法是把判別分析與Bayes條件概率思想結合的一種多元統(tǒng)計分析方法?;舅枷胧牵涸趯ρ芯繉ο笠延姓J識的前提下,先用先驗概率分布來描述,再選取某樣本對其后驗概率分布修正,以觀測值屬于概率最大的總體或?qū)儆阱e判的概率最小的總體原則來建立判別函數(shù)進行判別。
設有g(本文選取g=2)類P(本文選取四個變量x1,x2,x3,x4,P=4)維樣品W1,W2,其概率密度函數(shù)為:
其中i=1,2;μ為兩總體的均值向量;|S|為兩總體的協(xié)方差矩陣;|S|為S的行列式。
當Si=S時判別函數(shù)為:
在實際問題中參數(shù)μ1、μ2、S1、S2一般是未知的,設xij是來自總體Wi的第j個觀測值,這時S1與S2不相等時,各組協(xié)方差矩陣為:
設Bayes判別函數(shù)為:
其中
設兩總體的先驗概率分布為q1,q2,誤判的損失為P(2| 1)P(1|2),
3.2Bayes判別法的實現(xiàn)
本文選取新疆地區(qū)氣象雷達探測的云層圖像,利用CNN邊緣提取技術提取云層圖像的邊緣特征,再將圖像進行小波變換,得到圖像的四個特征值,把特征值標準化得到數(shù)據(jù)作為Bayes判別中的分組變量。表2為訓練樣本檢測結果。分類1代表降雹,分類2代表無雹,選擇20組作為基準類來得出判別函數(shù),后10組為待測樣本(其中前五組為降雹后五組為無雹)。利用spss軟件對以上數(shù)據(jù)進行bayes判別分析,得出如下判別函數(shù):
表2 訓練樣本檢測
由表中信息可以得出利用bayes判別分析得到的預測分組均正確。
3.3實驗模擬認證
選取新疆地區(qū)另外60幅圖像重新獲取60組樣本數(shù)據(jù)作為檢驗樣本。同樣選取表2中的前20組作為基準類,用得到的判別函數(shù),即公式(11)法進行檢測。
檢驗結果中降雹類全部判別準確,正確率100%,僅有無雹類中有一幅被判為降雹類。在冰雹預報中如果將降雹判為無雹這樣會引起大量的經(jīng)濟損失或生命安全。此方法判別降雹類全部正確,說明本文采取的方法是可行的。由于選取樣基準類不同得出的判別函數(shù)就不同,并且所選數(shù)據(jù)有限可能存在誤差。
本文利用CNN邊緣探測技術獲取圖像的邊緣特征,然后進行二維小波變換,每幅圖像都得到四個特征數(shù)據(jù),選取10組降雹,10組不降雹的數(shù)據(jù)構成bayes判別法的基準類構造判別函數(shù),再各選五組數(shù)據(jù)進行判別圖像類型均判別準確。并另取60組數(shù)據(jù)30組降雹30組無雹對判別函數(shù)進行了檢驗,顯示結果表明,判別函數(shù)具有準確率高的特點,可以實現(xiàn)對雹云的識別。細胞神經(jīng)網(wǎng)絡與多元統(tǒng)計的bayes判別法結合能夠有效地判別出降雹與無雹的云層雷達圖像,有一定的參考意義。
1002-252X(2016)02-0029-03
2016-3-1
李冰潔(1991-),女,新疆維吾爾自治區(qū)塔城市人,新疆財經(jīng)大學,碩士生.
國家自然科學基金(11461063);國家社科基金(14BTJ021)新疆維吾爾自治區(qū)高??蒲杏媱濏椖浚╔JEDU2013I26)