AIPUB归智期刊联盟

微信公众号

网站二维码

2025年4月3日 1:55 星期四
首页 > 过刊浏览>2022年第31卷第9期 >389-395. DOI:10.15888/j.cnki.csa.008759
PDF HTML阅读 XML下载 导出引用 引用提醒
聚类在风廓线雷达数据特征分析中的应用
作者:
基金项目:

环渤海区域协同创新基金(QYXM202013, QYXM201908); 国家自然科学基金 (41675046)


Application of Clustering in Data Characteristic Analysis of Wind Profiler Radar
Author:
  • 摘要
    • | |
  • 访问统计
    • |
  • 参考文献 [23]
    • |
  • 相似文献 [20]
    • | | |
  • 文章评论
    摘要:

    认识风廓线雷达数据在不同天气条件下的普适性特征对于改善预报服务质量具有重要意义. 本文基于数据挖掘中的聚类技术, 以天津静海风廓线雷达逐时观测数据为研究对象, 构建了风廓线雷达数据特征聚类分析模型, 并在此基础上挖掘出了静海风廓线雷达的最大探测高度、最大垂直速度在晴天、多云、降水发生前、降水期间和降水结束后等天气条件下的不同特征, 为天气预报服务提供了新参考依据, 为风廓线雷达数据特征分析提供了新思路.

    Abstract:

    Understanding the general characteristics of wind profiler radar data under different weather conditions is of great significance for improving the quality of weather forecast service. On the basis of clustering technology in data mining, with the hourly observation data obtained by the wind profiler radar in Jinghai, Tianjin Municipality as the research object, this study builds a cluster analysis model for characteristics of wind profiler radar data. On this basis, different characteristics of the maximum detection height and maximum vertical velocity of the wind profiler radar in Jinghai are mined under weather conditions such as sunny, cloudy, pre-precipitation, precipitation, and post-precipitation. This study provides a new reference for weather forecast service and offers a new idea for the characteristic analysis of wind profiler radar data.

    参考文献
    [1] 杨引明, 陶祖钰. 上海LAP-3000边界层风廓线雷达在强对流天气预报中的应用初探. 成都信息工程学院学报, 2003, 18(2): 155–160
    [2] 郑石, 黄兴友, 李艳芳. 一次短时暴雨WP-3000边界层风廓线雷达回波分析. 气象与环境学报, 2011, 27(3): 6–11. [doi: 10.3969/j.issn.1673-503X.2011.03.002
    [3] 董保举, 付志嘉, 李明, 等. 风廓线雷达资料在暴雨天气过程特征分析中的应用. 气象科技, 2012, 40(1): 74–78, 86. [doi: 10.3969/j.issn.1671-6345.2012.01.015
    [4] 陈楠, 胡明宝, 张柽柽, 等. 利用风廓线雷达资料对南京地区低空急流的统计分析. 热带气象学报, 2014, 30(3): 511–517. [doi: 10.3969/j.issn.1004-4965.2014.03.012
    [5] 史珺, 赵玉洁, 王庆元, 等. 风廓线雷达在一次短时暴雨过程中的应用. 气象与环境科学, 2017, 40(4): 83–89
    [6] 王彦, 刘一玮, 孙晓磊. 利用风廓线雷达资料分析一次强降水过程的风垂直切变特征. 暴雨灾害, 2017, 36(2): 171–176
    [7] 周芯玉, 廖菲, 胡东明. 利用风廓线雷达对广东前汛期短时强降水类暴雨过程低空风场特征的研究. 热带气象学报, 2019, 35(3): 332–342
    [8] 王佳津, 张琪, 张涛, 等. 成都两次暴雨期间风廓线雷达观测的低空风场特征. 干旱气象, 2021, 39(1): 87–95
    [9] 林勤, 薛云. 双聚类算法在电信高价值客户细分的应用. 计算机应用, 2014, 34(6): 1807–1811. [doi: 10.11772/j.issn.1001-9081.2014.06.1807
    [10] 周笑天, 褚希, 姚志平. 一种基于K-means聚类的实时气温动态质量控制方法. 气象, 2012, 38(10): 1295–1300. [doi: 10.7519/j.issn.1000-0526.2012.10.016
    [11] 史静, 党岳, 张永欣, 等. 自动站数据质量控制中关联规则挖掘的应用. 气象科技, 2014, 42(4): 612–616. [doi: 10.3969/j.issn.1671-6345.2014.04.015
    [12] 刘伟东, 尤焕苓, 任国玉, 等. 北京地区自动站降水特征的聚类分析. 气象, 2014, 40(7): 844–851. [doi: 10.7519/j.issn.1000-0526.2014.07.008
    [13] 熊亚军, 廖晓农, 李梓铭, 等. KNN数据挖掘算法在北京地区霾等级预报中的应用. 气象, 2015, 41(1): 98–104. [doi: 10.7519/j.issn.1000-0526.2015.01.012
    [14] 杜良敏, 柯宗建, 刘长征, 等. 基于聚类分区的中国夏季降水预测模型. 气象, 2016, 42(1): 89–96. [doi: 10.7519/j.issn.1000-0526.2016.01.011
    [15] 雷景生, 余修成. 基于模糊C均值聚类算法的区域用电特征分析. 上海电力学院学报, 2017, 33(2): 196–200, 209
    [16] 苟浩锋, 王遂缠, 杨银, 等. 基于聚类分析的兰州地区自动站降水特征分析. 沙漠与绿洲气象, 2020, 14(1): 108–114. [doi: 10.12057/j.issn.1002-0799.2020.01.014
    [17] 李宗飞, 李祥海, 陈凯华, 等. 聚类分析在X波段双偏振雷达相态识别中的应用. 气象科技, 2021, 49(3): 315–321
    [18] 兰荣亨, 朱格, 杨文, 等. 基于聚类的网络直播群体行为建模分析. 计算机系统应用, 2019, 28(1): 69–74. [doi: 10.15888/j.cnki.csa.006728
    [19] 任禹丞, 徐超, 赵磊, 等. 基于自适应特征权重聚类算法的用电问题分析. 计算机系统应用, 2020, 29(1): 29–39. [doi: 10.15888/j.cnki.csa.007247
    [20] 张培昌, 杜秉玉, 戴铁丕. 雷达气象学. 北京: 气象出版社, 2001: 7–20
    [21] 王晓芳, 王成刚, 卜令兵, 等. 利用LAP-3000型风廓线雷达资料对深圳地区湍流耗散率特征的研究. 气象科学, 2011, 31(S1): 1–6
    [22] 何平. 相控阵风廓线雷达. 北京: 气象出版社, 2006: 42–62, 104–121.
    [23] 陈红玉, 高月忠, 尹丽云, 等. 强降水过程风廓线雷达资料的极值特征. 气象科技, 2016, 44(1): 87–94. [doi: 10.3969/j.issn.1671-6345.2016.01.014
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

赵玉娟,王彦,李宗飞,李晓波,郭阳,李祥海,闫文月.聚类在风廓线雷达数据特征分析中的应用.计算机系统应用,2022,31(9):389-395

复制
分享
文章指标
  • 点击次数:648
  • 下载次数: 1614
  • HTML阅读次数: 1055
  • 引用次数: 0
历史
  • 收稿日期:2021-12-29
  • 最后修改日期:2022-03-10
  • 在线发布日期: 2022-07-07
文章二维码
友情链接:中国科学院软件研究所中国计算机学会中国科学院国家自然科学基金委员会软件学报
您是第11200272位访问者
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司

京公网安备 11040202500063号