为实现精细化的无线微波水文气象密集监测，提出基于无线微波链路的降雨增强反演方案。利用极值梯度提升（XGBoost）算法进行干湿判别，并结合支持向量回归机（SVR）和高斯过程回归（GPR）两种机器学习算法，构建XG＿SVR与XG＿GPR复合反演模型，与传统ITU-R模型反演结果比较分析。实验结果表明，XGBoost算法的干湿判别结果优于滑动标准差法，平均分类准确率为88%,1 h以下高时间分辨率的准确率可达90%以上；两种复合模型整体反演效果良好，XG＿SVR与ITU-R模型均适用于高时间分辨率，相关性系数均值皆高于0.80；而XG＿GPR模型在反演1 h及以上低时间分辨率降雨时有显著优势，相关性系数为0.95左右，且均方误差远小于其他两种模型。利用复合机器学习模型改进传统无线微波测雨的方案具有可行性及发展潜力。
文档