基于集成经验模态分解和极端梯度提升的雷电预警方法
地面大气电场的观测和研究对减少雷电灾害、保障航空航天活动具有重要的意义.传统雷电预警方法忽略了大气电场信号的振荡尺度特性导致检测概率低.从大气电场信号的非线性非平稳特征出发,提出一种基于集成经验模态分解(EEMD)和极端梯度提升(XGBoost)的雷电预警方法.该方法采用EEMD分解大气电场仪观测的电场信号,计算原始数据和各固有模态函数的样本熵,按随机分量、细节分量、趋势分量进行分类重构,分别提取重构分量的统计和自编码器特征,采用XGBoost算法建立雷电预警模型,并对各分量的分类器进行融合.利用大气电场仪和闪电定位系统观测数据进行了实验研究,分析了算法的性能,相对于普通投票决策方法,检测概率最高提高了4.8%,且虚警率降低5.2%~6.4%.
大气电场、集成经验模态分解、极端梯度提升、检测概率、虚警率
41
TH765(仪器、仪表)
国家自然科学基金;国家重点研发计划;江苏省重点研发计划
2020-12-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
235-243