基于时序监测数据的短时雷电预测系统

答辩人：张晓庆导师：刘娟教授时间：2013年5月20日基于时序监测数据的短时雷电预测系统目录1研究背景2研究目标3本文工作4本文小结1研究背景2研究目标3本文工作4本文小结雷电危害1●雷电的强大电流、电压、电波等会导致严重的气象灾害。●雷电效应会引发火灾、建筑物损坏、电子电气系统烧毁、危及人畜生命安全。●雷电的发生无法避免。研究背景研究现状-方法2

1、理论研究

2、传统天气预报方法：数值天气预报

3、新型天气预报方法：数理统计方法研究背景研究背景数理统计方法模型：KMeans、DBSCAN、NN、SVM、LSMetc.优点克服了模型不确定的问题准确度有所提高研究背景研究现状-不足3

1、国内研究起步较晚2、准确度低3、实用性不强1研究背景2研究目标3本文工作4本文小结1研究目标改进雷电数据聚类算法。2设计雷电系统分析预测模型。1建立实验系统，完成雷电数据的分析和预测，并将结果应用于雷电预警系统中。31研究背景2研究目标3本文工作4本文小结本文工作雷电数据分析-发现雷电簇

带电云团的运动决定了雷电的发生和变化，对雷电的研究可以转化成对雷击坐标点的研究。其新颖之处在于把未知数目的雷电坐标抽象成有限个带电云团，通过观察带电云团的运动轨迹，猜想并提出最可能符合其运动轨迹的模型。1本文工作雷电数据预测-拟合聚类结果采集雷电分析结果→使用模型拟合→得到雷电预测模型(1)(2)23本文工作雷电数据分析工作1雷电数据预测工作2系统整体框架系统整体框架图1本文工作模块功能描述4本文工作模型选择5分析模块（IDBSCAN）预测模块（LSM）本文工作分析模块算法IDBSCAN改进点6去除噪音。1Kmeans聚类结果IDBSCAN聚类结果本文工作分析模块算法IDBSCAN改进点7预先指定初始聚类中心点。2时间段t聚类结果时间段t+1聚类结果（初始点随机选择--DBSCAN）时间段t+1聚类结果（时间段t中心点作为聚类依据--IDBSCAN）本文工作分析模块算法IDBSCAN改进点8自动调节聚类参数—类的错误分离。3时间段t聚类结果时间段t+1聚类结果（改进前--DBSCAN）时间段t+1聚类结果(改进后--IDBSCAN)本文工作分析模块算法IDBSCAN改进点9自动调节聚类参数—类的错误合并。4时间段t聚类结果时间段t+1聚类结果（改进前--DBSCAN）时间段t+1聚类结果(改进后--IDBSCAN)本文工作数据采集(1)(2)10实验数据数据预处理(3)数据存储字段名雷击发生时间经度纬度雷击放电电流类型datetimefloatfloatfloat本文基于电网雷电监测网提供的实时雷电监测数据。数据以多字段（雷击发生时间、位置、雷击放电电流、回击、主机号、定位站数、定位站值等共21个）的形式存储于SQL数据库中。本文数据的中间结果及最终结果均以数据表的形式存储在SQL数据库中。1本文工作实验结果IDBSCAN聚类-中心点（连续5个时间段）111本文工作实验结果雷电预警系统可视化-中心点（连续5个时间段）121本文工作实验结果雷电预警系统可视化-雷电分布（T1时间段）131本文工作实验结果预测中心点：（98.8295，23.9911）实际中心点：（98.8316，23.9937）偏差：0.371kmLSM拟合-经纬度（连续5个时间段）141本文工作实验结果误差估计（连续10个时间段）151本文工作实验结果雷电预警系统可视化-雷电分布（预测T6时间段）161研究背景2研究目的3本文工作4本文小结1本文小结改进了DBSCAN模型；抽象系统模型，提出了雷电的分析预测方法；对比实验结果，得出结论。1建立实验系统，完成了雷电的分析和预测工作；将雷电分析预测结果应用于雷电预警系统中。2本文工作11本文小结将对雷电的研究抽象为对雷电坐标点的研究，应用数理统计方法解决。1在DBSCAN模型中加入KMeans模型的优点，并针对雷电数据特有的性质，提出IDBSCAN模型用于雷电数据的分析工作。2本