本申請(qǐng)涉及監(jiān)測(cè)，具體而言，涉及一種基于高斯核概率分布的風(fēng)吹雪事件分類方法、系統(tǒng)、電子設(shè)備和可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在高海拔地區(qū)的積雪監(jiān)測(cè)中，風(fēng)對(duì)雪水當(dāng)量的影響是一個(gè)重要研究課題。風(fēng)吹雪事件的監(jiān)測(cè)和預(yù)警非常重要，在交通安全、基礎(chǔ)設(shè)備維護(hù)、保障農(nóng)業(yè)生產(chǎn)、保障生態(tài)環(huán)境等方面具有重要意義。

2、在現(xiàn)有方式中，常見的風(fēng)吹雪事件識(shí)別方式包括基于固定風(fēng)速閾值的判斷方法、基于雪粒子通量傳感器的直接測(cè)量方法以及基于雪深變化的間接判斷方法等。其中，基于固定風(fēng)速閾值的判斷方法中，當(dāng)風(fēng)速超過(guò)某一固定閾值時(shí)，判定存在風(fēng)吹雪事件。基于固定風(fēng)速閾值的方法過(guò)于簡(jiǎn)單，無(wú)法考慮雪表面狀態(tài)、溫度等其他影響因素，容易產(chǎn)生誤判。在基于雪粒子通量傳感器的直接測(cè)量方法中，使用如flow?capt等聲學(xué)傳感器測(cè)量水平方向的雪粒子通量，當(dāng)雪粒子通量超過(guò)閾值時(shí)判定為風(fēng)吹雪事件。基于雪深變化的間接判斷方法中，通過(guò)超聲波雪深傳感器監(jiān)測(cè)雪深的快速變化來(lái)判斷是否發(fā)生風(fēng)吹雪?，F(xiàn)有的基于傳感器的測(cè)量方法中，單一傳感器測(cè)量存在較大不確定性，特別是在惡劣天氣條件下測(cè)量精度下降。

3、現(xiàn)有的測(cè)量方法中，缺乏對(duì)測(cè)量不確定性的定量評(píng)估和處理方式，無(wú)法判斷風(fēng)吹雪類型，無(wú)法定量確定風(fēng)吹雪聚集量或侵蝕量。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例的目的在于提供一種基于高斯核概率分布的風(fēng)吹雪事件分類方法、系統(tǒng)、電子設(shè)備和可讀存儲(chǔ)介質(zhì)，用以實(shí)現(xiàn)對(duì)測(cè)量不確定性的定量表征，提高風(fēng)吹雪事件分類結(jié)果的可靠性。

2、第一方面，本發(fā)明提供一種基于高斯核概率分布的風(fēng)吹雪事件分類方法，所述方法包括：

3、獲取設(shè)置在目標(biāo)區(qū)域的雪水當(dāng)量測(cè)量模塊檢測(cè)到的雪水當(dāng)量增量、降水量測(cè)量模塊檢測(cè)到的降水量以及蒸發(fā)升華量測(cè)量模塊檢測(cè)到的蒸發(fā)升華量；

4、基于所述雪水當(dāng)量增量、降水量、蒸發(fā)升華量及其測(cè)量誤差進(jìn)行高斯核函數(shù)構(gòu)建；

5、根據(jù)構(gòu)建的高斯核函數(shù)確定風(fēng)吹雪事件的類別；

6、在所述降水量超過(guò)預(yù)設(shè)閾值且風(fēng)吹雪事件發(fā)生的情況下，確定為混合事件，并根據(jù)所述風(fēng)吹雪事件的類別確定混合事件的具體類別。

7、在可選的實(shí)施方式中，所述基于所述雪水當(dāng)量增量、降水量、蒸發(fā)升華量及其測(cè)量誤差進(jìn)行高斯核函數(shù)構(gòu)建的步驟，包括：

8、基于所述雪水當(dāng)量增量、降水量和蒸發(fā)升華量計(jì)算得到變化量；

9、基于所述變化量和基于測(cè)量誤差獲得的最小可檢測(cè)變化量進(jìn)行高斯核函數(shù)構(gòu)建。

10、在可選的實(shí)施方式中，所述最小可檢測(cè)變化量通過(guò)以下方式獲得：

11、獲得所述雪水當(dāng)量測(cè)量模塊的第一誤差量、所述降水量測(cè)量模塊的第二誤差量以及所述蒸發(fā)升華量測(cè)量模塊的第三誤差量；

12、基于所述第一誤差量、第二誤差量和第三誤差量計(jì)算得到最小可檢測(cè)變化量。

13、在可選的實(shí)施方式中，所述基于所述變化量和基于測(cè)量誤差獲得的最小可檢測(cè)變化量進(jìn)行高斯核函數(shù)構(gòu)建的步驟，包括：

14、計(jì)算所述變化量與基于測(cè)量誤差獲得的最小可檢測(cè)變化量之間的差值以及和值；

15、基于所述差值以及所述最小可檢測(cè)變化量構(gòu)建得到第一高斯核函數(shù)；

16、基于所述和值以及所述最小可檢測(cè)變化量構(gòu)建得到第二高斯核函數(shù)；

17、基于所述變化量以及所述最小可檢測(cè)變化量構(gòu)建得到第三高斯核函數(shù)。

18、在可選的實(shí)施方式中，所述根據(jù)構(gòu)建的高斯核函數(shù)確定風(fēng)吹雪事件的類別的步驟，包括：

19、基于所述第一高斯核函數(shù)、第二高斯核函數(shù)以及第三高斯核函數(shù)計(jì)算得到總概率；

20、基于所述總概率分別對(duì)所述第一高斯核函數(shù)、第二高斯核函數(shù)和第三高斯核函數(shù)進(jìn)行歸一化處理；

21、基于歸一化處理后的第一高斯核函數(shù)、第二高斯核函數(shù)和第三高斯核函數(shù)確定風(fēng)吹雪事件的類別。

22、在可選的實(shí)施方式中，所述基于歸一化處理后的第一高斯核函數(shù)、第二高斯核函數(shù)和第三高斯核函數(shù)確定風(fēng)吹雪事件的類別的步驟，包括：

23、在歸一化處理后的第一高斯核函數(shù)最大的情況下，確定風(fēng)吹雪事件為風(fēng)吹雪沉積事件；

24、在歸一化處理后的第二高斯核函數(shù)最大的情況下，確定風(fēng)吹雪事件為風(fēng)吹雪侵蝕事件；

25、在歸一化處理后的第三高斯核函數(shù)最大的情況下，確定風(fēng)吹雪事件為風(fēng)吹雪無(wú)顯著變化事件。

26、在可選的實(shí)施方式中，所述方法還包括：

27、基于所述高斯核函數(shù)獲得分類置信度；

28、在所述分類置信度小于預(yù)設(shè)置信度閾值的情況下，對(duì)所述風(fēng)吹雪事件進(jìn)行標(biāo)記。

29、第二方面，本發(fā)明提供一種基于高斯核概率分布的風(fēng)吹雪事件分類系統(tǒng)，所述系統(tǒng)包括：

30、獲取模塊，用于獲取設(shè)置在目標(biāo)區(qū)域的雪水當(dāng)量測(cè)量模塊檢測(cè)到的雪水當(dāng)量增量、降水量測(cè)量模塊檢測(cè)到的降水量以及蒸發(fā)升華量測(cè)量模塊檢測(cè)到的蒸發(fā)升華量；

31、構(gòu)建模塊，用于基于所述雪水當(dāng)量增量、降水量、蒸發(fā)升華量及其測(cè)量誤差進(jìn)行高斯核函數(shù)構(gòu)建；

32、第一確定模塊，用于根據(jù)構(gòu)建的高斯核函數(shù)確定風(fēng)吹雪事件的類別；

33、第二確定模塊，用于在所述降水量超過(guò)預(yù)設(shè)閾值且風(fēng)吹雪事件發(fā)生的情況下，確定為混合事件，并根據(jù)所述風(fēng)吹雪事件的類別確定混合事件的具體類別。

34、第三方面，本發(fā)明提供一種電子設(shè)備，包括一個(gè)或多個(gè)存儲(chǔ)介質(zhì)和一個(gè)或多個(gè)與存儲(chǔ)介質(zhì)通信的處理器，一個(gè)或多個(gè)存儲(chǔ)介質(zhì)存儲(chǔ)有處理器可執(zhí)行的機(jī)器可執(zhí)行指令，當(dāng)電子設(shè)備運(yùn)行時(shí)，處理器執(zhí)行所述機(jī)器可執(zhí)行指令，以執(zhí)行前述實(shí)施方式中任意一項(xiàng)所述的方法。

35、第四方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有機(jī)器可執(zhí)行指令，所述機(jī)器可執(zhí)行指令被執(zhí)行時(shí)實(shí)現(xiàn)前述實(shí)施方式中任意一項(xiàng)所述的方法。

36、本申請(qǐng)?zhí)峁┮环N基于高斯核概率分布的風(fēng)吹雪事件分類方法、系統(tǒng)、電子設(shè)備和可讀存儲(chǔ)介質(zhì)，通過(guò)獲取設(shè)置在目標(biāo)區(qū)域的雪水當(dāng)量測(cè)量模塊檢測(cè)到的雪水當(dāng)量增量、降水量測(cè)量模塊檢測(cè)到的降水量以及蒸發(fā)升華量測(cè)量模塊檢測(cè)到的蒸發(fā)升華量。基于雪水當(dāng)量增量、降水量、蒸發(fā)升華量及其測(cè)量誤差進(jìn)行高斯核函數(shù)構(gòu)建，根據(jù)構(gòu)建的高斯核函數(shù)確定風(fēng)吹雪事件的類別。在降水量超過(guò)預(yù)設(shè)閾值且風(fēng)吹雪事件發(fā)生的情況下，確定為混合事件，并根據(jù)風(fēng)吹雪事件的類別確定混合事件的具體類別。本方案中，通過(guò)引入高斯核概率分布，實(shí)現(xiàn)了對(duì)測(cè)量不確定性的定量表征，提高流量分類結(jié)果的可靠性。

技術(shù)特征：

1.一種基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述基于所述雪水當(dāng)量增量、降水量、蒸發(fā)升華量及其測(cè)量誤差進(jìn)行高斯核函數(shù)構(gòu)建的步驟，包括：

3.根據(jù)權(quán)利要求2所述的基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述最小可檢測(cè)變化量通過(guò)以下方式獲得：

4.根據(jù)權(quán)利要求2所述的基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述基于所述變化量和基于測(cè)量誤差獲得的最小可檢測(cè)變化量進(jìn)行高斯核函數(shù)構(gòu)建的步驟，包括：

5.根據(jù)權(quán)利要求4所述的基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述根據(jù)構(gòu)建的高斯核函數(shù)確定風(fēng)吹雪事件的類別的步驟，包括：

6.根據(jù)權(quán)利要求5所述的基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述基于歸一化處理后的第一高斯核函數(shù)、第二高斯核函數(shù)和第三高斯核函數(shù)確定風(fēng)吹雪事件的類別的步驟，包括：

7.根據(jù)權(quán)利要求1-5任意一項(xiàng)所述的基于高斯核概率分布的風(fēng)吹雪事件分類方法，其特征在于，所述方法還包括：

8.一種基于高斯核概率分布的風(fēng)吹雪事件分類系統(tǒng)，其特征在于，所述系統(tǒng)包括：

9.一種電子設(shè)備，其特征在于，包括一個(gè)或多個(gè)存儲(chǔ)介質(zhì)和一個(gè)或多個(gè)與存儲(chǔ)介質(zhì)通信的處理器，一個(gè)或多個(gè)存儲(chǔ)介質(zhì)存儲(chǔ)有處理器可執(zhí)行的機(jī)器可執(zhí)行指令，當(dāng)電子設(shè)備運(yùn)行時(shí)，處理器執(zhí)行所述機(jī)器可執(zhí)行指令，以執(zhí)行權(quán)利要求1-7中任意一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有機(jī)器可執(zhí)行指令，所述機(jī)器可執(zhí)行指令被執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任意一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┮环N基于高斯核概率分布的風(fēng)吹雪事件分類方法、系統(tǒng)、電子設(shè)備和可讀存儲(chǔ)介質(zhì)，通過(guò)獲取設(shè)置在目標(biāo)區(qū)域的雪水當(dāng)量測(cè)量模塊檢測(cè)到的雪水當(dāng)量增量、降水量測(cè)量模塊檢測(cè)到的降水量以及蒸發(fā)升華量測(cè)量模塊檢測(cè)到的蒸發(fā)升華量。基于雪水當(dāng)量增量、降水量和蒸發(fā)升華量及其測(cè)量誤差進(jìn)行高斯核函數(shù)構(gòu)建，根據(jù)構(gòu)建的高斯核函數(shù)確定風(fēng)吹雪事件的類別。在降水量超過(guò)預(yù)設(shè)閾值的情況下且風(fēng)吹雪事件發(fā)生時(shí)，確定為混合事件，并根據(jù)風(fēng)吹雪事件的類別確定混合事件的具體類別。本方案中，通過(guò)引入高斯核概率分布，實(shí)現(xiàn)了對(duì)測(cè)量不確定性的定量表征，提高了風(fēng)吹雪事件分類結(jié)果的可靠性。

技術(shù)研發(fā)人員：李弘毅,車濤,張陽(yáng)
受保護(hù)的技術(shù)使用者：中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15