针对业务运行中雷达观测存在遮挡和雷达产品延迟,提出利用带噪声基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSC AN)算法对闪电数据的聚类结果替代雷达产品,并分别利用北京三维闪电定位网(Beiji...针对业务运行中雷达观测存在遮挡和雷达产品延迟,提出利用带噪声基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSC AN)算法对闪电数据的聚类结果替代雷达产品,并分别利用北京三维闪电定位网(Beijing Total Lightning System,BJTLS)和升级后的国家闪电定位网(DDW1)总闪数据,应用2σ闪电跃增算法对北京2022年6月4日和12日两次强对流致灾过程进行临近预警,对比强对流单体识别法和DBSCAN聚类法的预警效果。结果表明:两种算法和两种闪电数据均能有效预警北京地区的灾害性天气,基于BJTLS总闪数据的预警效果较优;对于BJTLS总闪数据,两种方法的预警效果相当,预警命中率、误报率、临近成功指数和平均预警提前时间依次分别为100%,11.9%,88.1%,38.9 min和100%,13.3%,86.7%,42.8 min;仅利用闪电数据并应用2σ闪电跃增算法可对灾害性天气进行临近预警,摆脱对雷达产品的依赖。展开更多
对基于密度的分布式聚类算法DBDC(density based distributed clustering)进行改进,提出了一种基于密度的分布式聚类算法DBDC*.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低...对基于密度的分布式聚类算法DBDC(density based distributed clustering)进行改进,提出了一种基于密度的分布式聚类算法DBDC*.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低了分布式聚类过程中的数据通信量,全局聚类时综合考虑了各站点数据的分布情况.实验结果表明,算法DBDC*的效率优于DBDC,聚类效果好.展开更多
文摘针对业务运行中雷达观测存在遮挡和雷达产品延迟,提出利用带噪声基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSC AN)算法对闪电数据的聚类结果替代雷达产品,并分别利用北京三维闪电定位网(Beijing Total Lightning System,BJTLS)和升级后的国家闪电定位网(DDW1)总闪数据,应用2σ闪电跃增算法对北京2022年6月4日和12日两次强对流致灾过程进行临近预警,对比强对流单体识别法和DBSCAN聚类法的预警效果。结果表明:两种算法和两种闪电数据均能有效预警北京地区的灾害性天气,基于BJTLS总闪数据的预警效果较优;对于BJTLS总闪数据,两种方法的预警效果相当,预警命中率、误报率、临近成功指数和平均预警提前时间依次分别为100%,11.9%,88.1%,38.9 min和100%,13.3%,86.7%,42.8 min;仅利用闪电数据并应用2σ闪电跃增算法可对灾害性天气进行临近预警,摆脱对雷达产品的依赖。
文摘对基于密度的分布式聚类算法DBDC(density based distributed clustering)进行改进,提出了一种基于密度的分布式聚类算法DBDC*.该算法在局部筛选代表点时结合贝叶斯信息准则BIC,得到少量精准反映局部站点数据分布的BIC核心点,有效降低了分布式聚类过程中的数据通信量,全局聚类时综合考虑了各站点数据的分布情况.实验结果表明,算法DBDC*的效率优于DBDC,聚类效果好.
