1.本发明涉及雷电预警领域，更具体地说，它涉及多参数、多算法集成的雷电精细化监测预警算法。
背景技术：2.为满足现代气象业务现代化和集约化发展需要，中国气象局提出并制定了气象业务内网系统建设任务(气预函〔2012〕94号)，并要求各省/自治区建立相应业务内网系统，即“整合相关业务单位业务产品资源，建立集约化的数据环境，提供一个能浏览、检索与综合显示实况监测、预报预测、预警信息、历史气候资料以及信息网络等业务信息的共享平台，使得业务人员能快捷获取各类信息从而有效支撑观测、监测、预报、预警及服务等业务”。
技术实现要素：3.本发明提供多参数、多算法集成的雷电精细化监测预警算法，包括如下步骤：
4.s1：模型训练数据处理，将实时接入或人工导入进平台的数据处理成符合模型训练需要的数据类型，将雷达资料、大气电场资料、闪电资料进行针对性解析，为模型训练提供准确的数据；
5.s2：构建雷电聚类算法模型，从一个随机选定的雷电对象出发，朝着雷电分布密度高的区域扩张，最终将所有雷电对象组织成一个能够反映雷电分布结构的可视化有序序列；
6.s3：构建多源资料的单一预警模型，包括基于雷达资料的预警模型、基于大气电场资料的预警模型以及基于闪电资料的预警模型，通过输入不同的数据，并对数据进行预处理，用80％的数据作为训练集、20％的数据作为测试集，对各类模型进行训练和验证，最终实现利用不同资料进行单一雷电预警模型；
7.s4：构建综合预警模型，先由单一雷达模型加载出雷暴的初始场，然后用三维闪电、大气电场模型结果对其进行校验与订正，最后基于订正后的落区结果，实现对雷暴路径进行重新规划；
8.s5：综合预警规则设置，不同的探测资料通过预警算法模块生产单一的客观预警产品，基于这些客观预警模型及相应的权重设置，可进行综合预警，生成综合预警模型。
9.进一步地：在s1中，对雷达资料的处理包括：
10.将以极坐标形式的雷达基数据解析为笛卡尔坐标下的格点数据；
11.选取vil、回波顶高、组合反射率的正、负样本数据；其中，正样本数据包括闪电发生时2个网格内数据的众数和平均值(cr:众数,vil/et:平均值)，负样本数据包括离闪电发生前后三小时之后2个网格内数据的众数和平均值(cr:众数,vil/et:平均值)；
12.抽样选取每个月的样本数据，剔除存在异常值、缺失值的样本数据，包括百分之八十的训练集数据，以及百分之二十的测试集数据，正负样本数据的比例为一比一，数据集特征包括cr、et、vil、echo、时间、是否闪电。
13.进一步地：在s1中，对大气电场资料的处理包括：
14.异常值处理
15.异常值即偏离平均值三个或以上标准差的数据，这里用平均值代替异常值，计算公式：
[0016][0017]
单位电场值计算
[0018]
因为电场仪测量大气电场时，可能存在海拔高度的影响，测量出的电场强度存在误差、不够真实。于是，结合站点海拔、云顶高度计算单位大气电场强度来消除这种误差影响，计算方法如下：
[0019]
e＝(e/h2)(h1+h2)。
[0020]
进一步地：在s1中，对闪电资料的处理包括：
[0021]
闪电资料预处理暂时消除无用属性，选取与预警模型建立相关的属性，主要包括闪电时间、位置(经、纬度)、定位站点数(4-5个)、闪电类型(云/地闪、正/负闪等)属性；
[0022]
具体流程如下：
[0023]
三维闪电数据接入；
[0024]
数据清洗：消除缺失值、消除无用属性(如：陡度、误差)；
[0025]
数据筛选：筛选定位站点数大于等于5的数据；
[0026]
得到数据集：位置(经/纬度)、闪电时间、闪电强度(正/负)、闪电类型(云/地)。
[0027]
进一步地：在s2中，采用optics聚类算法创建有序的种子队列临时存储准备扩展的点，该队列中的对象以可达距离为属性升序排列，借助该队列可迅速定位密度高的雷电对象；此外，optics创建一个结果队列储存可视化的聚类结果，并通过识别可达图中的凹槽区获得簇；
[0028]
optics聚类算法流程包括：
[0029]
首先，将闪电数据进行空间聚类和时间分割，空间聚类是指将闪电数据进行聚类得到不同区域的闪电聚类簇；时间分割是指将闪电数据按照时间段分割；
[0030]
然后，进行区域聚类，即将各个区域闪电簇按每段时间进行聚类；
[0031]
最后，得到各区域，不同时间段的闪电簇。
[0032]
进一步地：在s3中，构建基于雷达资料的预警模型，使用的是雷达基数据，包含对组合反射率、垂直液态水含量和回波顶高三类要素数据的解析、格点化处理(kdtree)和拼图(重叠区域平均值法)；
[0033]
雷达基数据解析处理流程如下：
[0034]
a.将一定时间段的雷达资料按6分钟为一个批次，进行数据预处理筛选，保证每个批次，有9个雷达站的基数据，缺站的往前后批次找，未找到的做标注处理；
[0035]
b.单个站雷达数据写解析，根据雷达技术格式文件，按字节读取分别解析雷达头、信息块、数据块等，本次解析9层仰角的数据且数据格式为径向数据格式；
[0036]
c.根据之前解析的径向数据将反射率因子通过插值算法kdtree插值成格点数据，并选择-10℃～-20℃高度仰角的格点数据取最大反射率拟合到二维格点作组合反射率格
点数据、通过液态水含量计算公式算出每层仰角的值，再根据高度方向积分，最后通过算法kdtree插值格点化为垂直液态积水量的格点数据，回波顶高的计算方法类似；
[0037]
d.各站点各要素的格点数据拼图，首先根据各站点的雷达站经纬度和扫描半径信息，计算拼图的边界和每个站点的偏移位置，目前广西九个站的雷达拼图按径向230km计算，最终拼图是847*930，组合反射率、垂直液态水含量和回波顶高重叠区域都采用最大值法，强回波比率是统计分析组合反射率格点要素值的比率，一个批次的雷达拼图就一个值；
[0038]
e.按批次将雷达各要素的格点化拼图数据进行存储，以备模训练和模型预测预报。
[0039]
进一步地：在s3中，构建基于大气电场的预警模型，使用的是大气电场数据，大气电场数据能够表征地面大气电场的变化情况。
[0040]
进一步地：在s3中，构建基于闪电资料的预警模型，使用的是三维闪电资料数据，该数据包含：闪电时间、闪电位置(经纬度)、闪电类型(云/地闪)、闪电强度要素的数据列表。
[0041]
进一步地：在s3中，基于闪电资料的预警模型的输出包含：格点化分辨率1*1和5*5历史雷电落区及闪电次数、预测未来6分钟一个批次的雷电落区及次数，以及按6分钟外推的路径。
[0042]
进一步地：在s3中，基于闪电资料的预警模型是利用过去1小时预测未来1小时内，且按6分钟为一个处理批次。
[0043]
本发明的有益效果在于：本发明提供基于雷达、大气电场、闪电的单一预警模型以及多参数、多算法集成的综合雷电监测预警算法；利用雷电监测网络的大气电场和闪电定位资料，结合雷达资料，研发基于多源资料融合分析雷电预报预警技术，形成网格为1km*1km，提前量1h、逐时6min的精细化雷电预警产品，对服务对象发布雷暴发生区域及强度预警。
附图说明
[0044]
图1是本发明提出的一种多参数、多算法集成的雷电精细化监测预警算法的步骤流程图；
[0045]
图2是本发明提出的一种多参数、多算法集成的雷电精细化监测预警算法中单位电场值计算示意图；
[0046]
图3是本发明本发明提出的一种多参数、多算法集成的雷电精细化监测预警算法中闪电资料预处理流程图；
[0047]
图4是本发明本发明提出的一种多参数、多算法集成的雷电精细化监测预警算法中optics算法流程图；
[0048]
图5是本发明本发明提出的一种多参数、多算法集成的雷电精细化监测预警算法中雷达基数据解析流程图；
[0049]
图6是本发明本发明提出的一种多参数、多算法集成的雷电精细化监测预警算法中三维闪电预警流程图；
[0050]
图7是本发明实施例2中提出一种雷电精细化监测预警的系统逻辑结构图；
[0051]
图8是本发明的实施例2中提出一种雷电精细化监测预警的系统业务流程图；
[0052]
图9是本发明的实施例2中提出一种雷电精细化监测预警的系统数据流图。
具体实施方式
[0053]
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
[0054]
实施例一
[0055]
如图1-图6所示，在本实施例中提出了一种多参数、多算法集成的雷电精细化监测预警算法，包括如下步骤：
[0056]
s1：模型训练数据处理，将实时接入或人工导入进平台的数据处理成符合模型训练需要的数据类型，将雷达资料、大气电场资料、闪电资料进行针对性解析，为模型训练提供准确的数据；
[0057]
s2：构建雷电聚类算法模型，从一个随机选定的雷电对象出发，朝着雷电分布密度高的区域扩张，最终将所有雷电对象组织成一个能够反映雷电分布结构的可视化有序序列；
[0058]
s3：构建多源资料的单一预警模型，包括基于雷达资料的预警模型、基于大气电场资料的预警模型以及基于闪电资料的预警模型，通过输入不同的数据，并对数据进行预处理，用80％的数据作为训练集、20％的数据作为测试集，对各类模型进行训练和验证，最终实现利用不同资料进行单一雷电预警模型；
[0059]
s4：构建综合预警模型，先由单一雷达模型加载出雷暴的初始场，然后用三维闪电、大气电场模型结果对其进行校验与订正，最后基于订正后的落区结果，实现对雷暴路径进行重新规划；
[0060]
s5：综合预警规则设置，不同的探测资料通过预警算法模块生产单一的客观预警产品，基于这些客观预警模型及相应的权重设置，可进行综合预警，生成综合预警模型。
[0061]
其中，在s1中，对雷达资料的处理包括：
[0062]
将以极坐标形式的雷达基数据解析为笛卡尔坐标下的格点数据；
[0063]
选取vil、回波顶高、组合反射率的正、负样本数据；其中，正样本数据包括闪电发生时2个网格内数据的众数和平均值(cr:众数,vil/et:平均值)，负样本数据包括离闪电发生前后三小时之后2个网格内数据的众数和平均值(cr:众数,vil/et:平均值)；
[0064]
抽样选取每个月的样本数据，剔除存在异常值、缺失值的样本数据，包括百分之八十的训练集数据，以及百分之二十的测试集数据，正负样本数据的比例为一比一，数据集特征包括cr、et、vil、echo、时间、是否闪电等。
[0065]
对大气电场资料的处理包括：
[0066]
异常值处理
[0067]
异常值即偏离平均值三个或以上标准差的数据，这里用平均值代替异常值，计算公式：
[0068][0069]
单位电场值计算
[0070]
因为电场仪测量大气电场时，可能存在海拔高度的影响，测量出的电场强度存在误差、不够真实。于是，结合站点海拔、云顶高度计算单位大气电场强度来消除这种误差影响，计算方法如下(参考附图2)：
[0071]
e＝(e/h2)(h1+h2)。
[0072]
对闪电资料的处理包括：
[0073]
闪电资料预处理暂时消除无用属性，选取与预警模型建立相关的属性，主要包括闪电时间、位置(经、纬度)、定位站点数(4-5个)、闪电类型(云/地闪、正/负闪等)属性；
[0074]
具体流程如下(参考附图3)：
[0075]
三维闪电数据接入；
[0076]
数据清洗：消除缺失值、消除无用属性(如：陡度、误差)；
[0077]
数据筛选：筛选定位站点数大于等于5的数据；
[0078]
得到数据集：位置(经/纬度)、闪电时间、闪电强度(正/负)、闪电类型(云/地)。
[0079]
在s2中，由于optics始终朝着密度高的区域扩张，所以选择可达距离最小的雷电对象为扩展方向，采用optics聚类算法创建有序的种子队列临时存储准备扩展的点，该队列中的对象以可达距离为属性升序排列，借助该队列可迅速定位密度高的雷电对象；此外，optics创建一个结果队列储存可视化的聚类结果，并通过识别可达图中的凹槽区获得簇；
[0080]
optics聚类算法流程(参考附图4)包括：
[0081]
首先，将闪电数据进行空间聚类和时间分割，空间聚类是指将闪电数据进行聚类得到不同区域的闪电聚类簇；时间分割是指将闪电数据按照时间段分割；
[0082]
然后，进行区域聚类，即将各个区域闪电簇按每段时间进行聚类；
[0083]
最后，得到各区域，不同时间段的闪电簇。
[0084]
在聚类分析时，对于簇形状不规则的数据，像k-means这类基于划分的方法就不再适用了，因为它们划分方法都是用于发现“球状簇”的。所以在解决任意簇形状的聚类问题时，可以采用一种不同的聚类方法——基于密度聚类。dbscan聚类、optics聚类等都是基于密度的聚类方法，但optics聚类有效的解决了密度不同导致的聚类效果不好的问题。
[0085]
算法思想
[0086]
optics算法的目标是输出一个有序排列，以及每个元素的两个属性值：核心距离，可达距离。有序排列就是optics的聚类结果。核心距离(core-distance)：样本x∈x，对于给定的∈和minpts，使得x成为核心点的最小邻域半径称为x的核心距离，其数学表达如下:
[0087][0088]
可达距离(reachability-distance)：设x,y∈,对于给定的∈和minpts，y关于x的可达距离定义为:
[0089][0090]
当x为核心点时：
[0091]
rd(y，x)＝min{η：y∈n
η
(x)且|n
η
(x)|≥minpts}。
[0092]
在s3中，构建基于雷达资料的预警模型，使用的是雷达基数据，包含对组合反射率、垂直液态水含量和回波顶高三类要素数据的解析、格点化处理(kdtree)和拼图(重叠区域平均值法)；
[0093]
针对本模型包含判断单个雷暴体的阀值训练模型，需准备近3年的雷达基数据资料和闪电资料应用于阀值训练；
[0094]
雷达基数据解析处理流程(参考附图5)如下：
[0095]
a.将一定时间段的雷达资料按6分钟为一个批次，进行数据预处理筛选，保证每个批次，有9个雷达站的基数据，缺站的往前后批次找，未找到的做标注处理；
[0096]
b.单个站雷达数据写解析，根据雷达技术格式文件，按字节读取分别解析雷达头、信息块、数据块等，本次解析9层仰角的数据且数据格式为径向数据格式；
[0097]
c.根据之前解析的径向数据将反射率因子通过插值算法kdtree插值成格点数据，并选择-10℃～-20℃高度仰角的格点数据取最大反射率拟合到二维格点作组合反射率格点数据、通过液态水含量计算公式算出每层仰角的值，再根据高度方向积分，最后通过算法kdtree插值格点化为垂直液态积水量的格点数据，回波顶高的计算方法类似；
[0098]
d.各站点各要素的格点数据拼图，首先根据各站点的雷达站经纬度和扫描半径信息，计算拼图的边界和每个站点的偏移位置，目前广西九个站的雷达拼图按径向230km计算，最终拼图是847*930，组合反射率、垂直液态水含量和回波顶高重叠区域都采用最大值法，强回波比率是统计分析组合反射率格点要素值的比率，一个批次的雷达拼图就一个值；
[0099]
e.按批次将雷达各要素的格点化拼图数据进行存储，以备模训练和模型预测预报。
[0100]
在s3中，构建基于大气电场的预警模型，使用的是大气电场数据，大气电场数据能够表征地面大气电场的变化情况，并且雷电的发生与大气电场仪的数值的抖动有一个明显的时间差，电场仪数值的抖动要先于闪电的发生，一般情况下，雷闪由起始到发生至少需要约30分钟。这对于研究雷电的发生发展具有重要意义。
[0101]
在s3中，构建基于闪电资料的预警模型，使用的是三维闪电资料数据，该数据包含：闪电时间、闪电位置(经纬度)、闪电类型(云/地闪)、闪电强度要素的数据列表。模型输出包含：格点化分辨率1*1和5*5历史雷电落区及闪电次数、预测未来6分钟一个批次的雷电落区及次数，以及按6分钟外推的路径。模型是利用过去1小时预测未来1小时内，且按6分钟为一个处理批次；模型输入输出分别采用1*1和5*5分辨率的格点。基于闪电定位的预警模型选取的是三维闪电数据，包括闪电时间、位置、强度、类型、站点等信息。单一闪电模型中特征包含：闪电位置(经纬度)、闪电时间、闪电强度、闪电类型(云/地闪)，参考附图6。
[0102]
综合预警模型的输出结果主要包含1km*1km分辨率的标准网格模式雷电预警产品和雷暴体范围和路径趋势产品。
[0103]
三个单一模型中，雷达是直接反映雷暴落区范围的，而雷达的组合反射率，三维闪
电中闪电次数、强度，雷暴附近的大气电场预警个数可作为雷暴等级的参量。所以，在基于单一雷达模型识别出的雷暴单体位置与体积的基础上，加载出初始的网格落区。
[0104]
不同的探测资料通过预警算法模块生产单一的客观预警产品，基于这些客观预警产品及相应的权重设置，可进行综合预警，生成综合预警产品,并以数据、图形和文本三种形式存于雷电服务产品库。综合预警产品设置包括对参与综合预警的客观预警产品种类的设置及相应的权重的设置。
[0105]
实施例2
[0106]
参考附图7-图9，在本实施例中提出了一种雷电精细化监测预警系统，本系统基于webgis、openlayers和html等技术进行地理信息、实况要素、业务产品等展示。同时，系统主要数据来源闪电、大气电场、雷达基数据、地面实况、高空实况、数值预报产品、物理量参数、雷达产品，并接入其他业务系统数据；系统逻辑结构图7所示。
[0107]
该系统主要分为数据存储、产品制作、业务展示三个步骤，实现业务模块包括数据管理、算法中心、雷电数据集应用、雷电预警校验、产品制作与展示、应用/定制中心、系统管理七大模块；系统业务流程如图8所示。
[0108]
其中，
[0109]
数据存储：系统主要以mysql数据库、postgres数据库、fastdfs分布式文件系统、系统文件获取数据和储存数据，进行数据采集和数据解析。
[0110]
产品制作：产品制作主要以闪电、大气电场、雷达数据作为基础数据源，通过python算法和定时器，自动生成闪电产品、大气电场产品、预警产品、雷达产品。
[0111]
业务展示：主要以产品接口和地理信息接口为主导，根据不同的雷电产品类型，以多种方式展示在页面上，以满足用户的需求。
[0112]
该系统的数据来源包括闪电数据、大气电场数据、雷达基数据、地理信息数据、地面气象数据、大气电场数据、二维闪电数据、三维闪电数据；数据存储方式共有：mysql数据库、postgresql数据库、fastdfs文件存储库；数据处理方式：闪电、大气电场、雷达数据进行产品制作。系统数据流图如图9所示。
[0113]
说明书中相关技术术语的名词解释：
[0114]
1、webgis：(网络地理信息系统)是指工作在web网上的gis,是传统的gis在网络上的延伸和发展，具有传统gis的特点，可以实现空间数据的检索、查询、制图输出、编辑等gis基本功能，同时也是internet上地理信息发布、共享和交流协作的基础；
[0115]
2、openlayers：openlayers是一个专为web gis客户端开发提供的javascript类库包，用于实现标准格式发布的地图数据访问；
[0116]
3、fastdfs：fastdfs是一个开源的轻量级分布式文件系统，它对文件进行管理，功能包括：文件存储、文件同步、文件访问(文件上传、文件下载)等，解决了大容量存储和负载均衡的问题；
[0117]
4、echarts：echarts是一款基于javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。
[0118]
5、ipo：是指结构化设计中变换型结构的输入(input)、加工(processing)、输出(output)。
[0119]
本发明提供了基于雷达、大气电场、闪电的单一预警模型以及多参数、多算法集成
的综合雷电监测预警算法；利用雷电监测网络的大气电场和闪电定位资料，结合雷达资料，利用科学技术和手段，研发基于多源资料融合分析雷电预报预警技术，形成网格为1km*1km，提前量1h、逐时6min的精细化雷电预警产品，对服务对象发布雷暴发生区域及强度预警。基于网格化的二维、三维闪电定位数据实现对雷暴系统的识别、追踪，探索以雷电数据为基础的多源数据短临、潜势精细化定量预报应用及网格产品应用。省雷电精细化监测预警系统根据建设要求实现预警校验功能，设置系统管理、决策用户(省级、市州级、县级)以及专业用户,提供专业用户场景(点、线、面)雷电监测预警定制化服务功能。
[0120]
加强雷电预警产品在部门内平台系统间的互通，探索精细化、网格化雷电预警服务应用，实现连贯时段预报，并基于位置进行精细化格点产品分级显示，以可视化、快速化(6min一次)的展示方式，实现雷电预警产品的多元化动态空间融合展示。为提高雷电灾害防御能力提供科学决策参考，有利于科学指导防雷减灾工作，有力推动智慧防雷的发展。
[0121]
上面结合附图对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，在不脱离本实施例宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本实施例的保护之内。
技术特征：1.多参数、多算法集成的雷电精细化监测预警算法，其特征在于，包括如下步骤：s1：模型训练数据处理，将实时接入或人工导入进平台的数据处理成符合模型训练需要的数据类型，将雷达资料、大气电场资料、闪电资料进行针对性解析，为模型训练提供准确的数据；s2：构建雷电聚类算法模型，从一个随机选定的雷电对象出发，朝着雷电分布密度高的区域扩张，最终将所有雷电对象组织成一个能够反映雷电分布结构的可视化有序序列；s3：构建多源资料的单一预警模型，包括基于雷达资料的预警模型、基于大气电场资料的预警模型以及基于闪电资料的预警模型，通过输入不同的数据，并对数据进行预处理，用80％的数据作为训练集、20％的数据作为测试集，对各类模型进行训练和验证，最终实现利用不同资料进行单一雷电预警模型；s4：构建综合预警模型，先由单一雷达模型加载出雷暴的初始场，然后用三维闪电、大气电场模型结果对其进行校验与订正，最后基于订正后的落区结果，实现对雷暴路径进行重新规划；s5：综合预警规则设置，不同的探测资料通过预警算法模块生产单一的客观预警产品，基于这些客观预警模型及相应的权重设置，可进行综合预警，生成综合预警模型。2.根据权利要求1所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s1中，对雷达资料的处理包括：将以极坐标形式的雷达基数据解析为笛卡尔坐标下的格点数据；选取vil、回波顶高、组合反射率的正、负样本数据；其中，正样本数据包括闪电发生时2个网格内数据的众数和平均值(cr:众数,vil/et:平均值)，负样本数据包括离闪电发生前后三小时之后2个网格内数据的众数和平均值(cr:众数,vil/et:平均值)；抽样选取每个月的样本数据，剔除存在异常值、缺失值的样本数据，包括百分之八十的训练集数据，以及百分之二十的测试集数据，正负样本数据的比例为一比一，数据集特征包括cr、et、vil、echo、时间、是否闪电。3.根据权利要求1所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s1中，对大气电场资料的处理包括：异常值处理异常值即偏离平均值三个或以上标准差的数据，这里用平均值代替异常值，计算公式：单位电场值计算因为电场仪测量大气电场时，可能存在海拔高度的影响，测量出的电场强度存在误差、不够真实。于是，结合站点海拔、云顶高度计算单位大气电场强度来消除这种误差影响，计算方法如下：e＝(e/h2)(h1+h2)。4.根据权利要求1所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s1中，对闪电资料的处理包括：闪电资料预处理暂时消除无用属性，选取与预警模型建立相关的属性，主要包括闪电
时间、位置(经、纬度)、定位站点数(4-5个)、闪电类型(云/地闪、正/负闪等)属性；具体流程如下：三维闪电数据接入；数据清洗：消除缺失值、消除无用属性(如：陡度、误差)；数据筛选：筛选定位站点数大于等于5的数据；得到数据集：位置(经/纬度)、闪电时间、闪电强度(正/负)、闪电类型(云/地)。5.根据权利要求1所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s2中，采用optics聚类算法创建有序的种子队列临时存储准备扩展的点，该队列中的对象以可达距离为属性升序排列，借助该队列可迅速定位密度高的雷电对象；此外，optics创建一个结果队列储存可视化的聚类结果，并通过识别可达图中的凹槽区获得簇；optics聚类算法流程包括：首先，将闪电数据进行空间聚类和时间分割，空间聚类是指将闪电数据进行聚类得到不同区域的闪电聚类簇；时间分割是指将闪电数据按照时间段分割；然后，进行区域聚类，即将各个区域闪电簇按每段时间进行聚类；最后，得到各区域，不同时间段的闪电簇。6.根据权利要求1所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s3中，构建基于雷达资料的预警模型，使用的是雷达基数据，包含对组合反射率、垂直液态水含量和回波顶高三类要素数据的解析、格点化处理(kdtree)和拼图(重叠区域平均值法)；雷达基数据解析处理流程如下：a.将一定时间段的雷达资料按6分钟为一个批次，进行数据预处理筛选，保证每个批次，有9个雷达站的基数据，缺站的往前后批次找，未找到的做标注处理；b.单个站雷达数据写解析，根据雷达技术格式文件，按字节读取分别解析雷达头、信息块、数据块等，本次解析9层仰角的数据且数据格式为径向数据格式；c.根据之前解析的径向数据将反射率因子通过插值算法kdtree插值成格点数据，并选择-10℃～-20℃高度仰角的格点数据取最大反射率拟合到二维格点作组合反射率格点数据、通过液态水含量计算公式算出每层仰角的值，再根据高度方向积分，最后通过算法kdtree插值格点化为垂直液态积水量的格点数据，回波顶高的计算方法类似；d.各站点各要素的格点数据拼图，首先根据各站点的雷达站经纬度和扫描半径信息，计算拼图的边界和每个站点的偏移位置，目前广西九个站的雷达拼图按径向230km计算，最终拼图是847*930，组合反射率、垂直液态水含量和回波顶高重叠区域都采用最大值法，强回波比率是统计分析组合反射率格点要素值的比率，一个批次的雷达拼图就一个值；e.按批次将雷达各要素的格点化拼图数据进行存储，以备模训练和模型预测预报。7.根据权利要求6所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s3中，构建基于大气电场的预警模型，使用的是大气电场数据，大气电场数据能够表征地面大气电场的变化情况。8.根据权利要求7所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s3中，构建基于闪电资料的预警模型，使用的是三维闪电资料数据，该数据包含：闪电时间、闪电位置(经纬度)、闪电类型(云/地闪)、闪电强度要素的数据列表。
9.根据权利要求8所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s3中，基于闪电资料的预警模型的输出包含：格点化分辨率1*1和5*5历史雷电落区及闪电次数、预测未来6分钟一个批次的雷电落区及次数，以及按6分钟外推的路径。10.根据权利要求9所述的多参数、多算法集成的雷电精细化监测预警算法，其特征在于，在s3中，基于闪电资料的预警模型是利用过去1小时预测未来1小时内，且按6分钟为一个处理批次。
技术总结本发明涉及雷电预警领域，公开了一种多参数、多算法集成的雷电精细化监测预警算法，包括如下步骤：S1：模型训练数据处理；S2：构建雷电聚类算法模型；S3：构建多源资料的单一预警模型；S4：构建综合预警模型；S5：综合预警规则设置；本发明提供基于雷达、大气电场、闪电的单一预警模型以及多参数、多算法集成的综合雷电监测预警算法；利用雷电监测网络的大气电场和闪电定位资料，结合雷达资料，研发基于多源资料融合分析雷电预报预警技术，形成网格为1km*1km，提前量1h、逐时6min的精细化雷电预警产品，对服务对象发布雷暴发生区域及强度预警。对服务对象发布雷暴发生区域及强度预警。对服务对象发布雷暴发生区域及强度预警。
技术研发人员：吴安坤 丁旻
受保护的技术使用者：丁旻
技术研发日：2022.03.28
技术公布日：2022/7/5
