冰雹识别技术研究对提前防御和减轻冰雹灾害具有重要意义。本文基于支持向量机（Support Vector Machine，SVM）模型和Kolmogorov变量筛选过滤器，利用FY-2G卫星的7项反演产品开展冰雹识别方法研究。以贵州省2020—2022年30个冰雹日368组未降雹点与降雹点FY-2G卫星反演产品数据作为数据集，分别基于Linear核函数、Radial Basis Function（RBF）核函数、Sigmoid核函数建立L-SVM模型、RBF-SVM模型、S-SVM模型开展冰雹识别，通过交叉检验提升模型冰雹识别结果的可靠性，并对识别准确率分布进行分析，利用Kolmogorov变量筛选过滤器优化模型输入参数。 结果表明：3种核函数SVM模型均能对降雹点和未降雹点进行有效识别，且准确率均超过70%。其中，RBF-SVM模型对总样本和未降雹点样本的识别准确率最高，分别为87.50%和91.85%；S-SVM模型对降雹点识别准确率最高（89.13%）。利用Kolmogorov变量筛选过滤器优化模型输入参数后，模型识别准确率有不同程度提升。对于未降雹点数据集，优化输入参数后RBF-SVM模型和S-SVM模型识别准确率均达92.93%；对于降雹点数据集，S-SVM模型识别效果最好；对于总数据集识别效果最好的是优化输入参数后的RBF-SVM模型。综合识别效果最好的是输入参数优化后的RBF-SVM模型，若识别降雹区域则主要关注S-SVM模型识别结果。
甘公网安备62010002000425号
陇ICP备17000949号-2
