基于LightGBM的气象目标分类技术

来源：雷达科学与技术杂志2023年第6期北京时间：

作者：欧阳彤，汪玲，朱岱寅，李勇

单位：南京航空航天大学雷达成像与微波光子技术教育部重点实验室， 江苏南京 211106

摘要：为克服传统气象目标分类算法对人为设置经验参数的依赖性，本文提出一种基于轻量级梯度提升机（Light Gradient Boosting Machine，LightGBM）的气象目标分类技术。将KVNX气象雷达获取的4个极化参量（水平反射率因子、差分反射率、相关系数和差分相移率）作为气象目标的特征参数，结合参考分类标签，制作向量数据集，再进行预处理，生成满足模型需求的数据集。以此数据集为驱动，建立一种LightGBM算法的气象目标四分类模型，该模型可有效识别3种气象目标（中小雨、冰雹和湿雪）及杂波（生物杂波与地杂波）。最后，根据气象雷达观测测试数据集进行测试，结果表明该模型在有高效率识别速率条件下，识别准确率可达95%以上。再用KTLX雷达两次实际观测数据来验证模型通用性，结果表明LightGBM分类模型可有效完成4种气象目标识别，具有优越的鲁棒性。

关键词：气象雷达,气象目标分类,轻量级梯度提升机,机器学习,

基金资助：工信部民机专项资助课题（No.MJ?2018?S?28）