基于卷積神經網絡的典型雷暴云下地面電場識別研究

孫中華， 傅正財， 劉亞坤， 陳 堅， 畢曉蕾， 劉 娟

(1.上海交通大學電力傳輸與功率變換控制教育部重點實驗室，上海 200030；2.中國石化青島安全工程研究院化學品安全國家重點實驗室，山東 青島 266101)

0 引言

雷暴云在形成到消亡的過程中，云中電荷聚集和釋放會使得地面電場發生劇烈變化，因此，可基于地面電場特征開展雷電預警和雷電防護研究[1-2]。雷暴個體特征差異明顯，基于傳統電場閾值分析原理的雷電預警方法存在適應性差、命中率低等問題。為提高雷電預警的準確度，相關學者采用時序差分[3]、快慢抖動分析[4]、集合經驗模態分解(Ensemble Empirical Mode Decomposition，EEMD)[5]、希爾伯特黃變換(HHT變換)[6]等方法對大氣電場數據進行處理，也有學者將地面大氣電場與雷電定位和氣象雷達資料相結合[7-8]，實現了雷電預警效果的改善。

雷暴云發展過程中地面電場特征變化復雜，基于地面電場觀測數據的雷暴云信息提取方法仍需研究。已有學者應用BP神經網絡處理地面電場信息并進行雷電預警[9-11]，但存在可用數據量少、訓練不易開展的問題。深度學習方法能在大數據中自動學習，認識復雜樣本的深層次特征信息，已在圖像識別、語音處理等領域展現出了巨大的優勢。將深度學習算法應用在雷暴環境下地面電場大數據研究中是一種有效挖掘雷暴云信息、提高雷電預警效率的方法。

筆者基于雷暴云的偶極子模型，研究不同天氣情況下地面電場的特征，通過卷積神經網絡模型訓練大量地……