陈靖宇，汤德佑，伍光胜，胡鹏

（1.华南理工大学，广东 广州510006；2.广州市突发事件预警信息发布中心，广东 广州511430）

1 引言

雷电是一种伴随着剧烈的放电过程的强对流天气现象，一直以来都严重威胁着公共安全和人民生命财产安全[1]，雷电灾害已被联合国列为“最严重的十种自然灾害之一”。伴随着电子产品的广泛应用，社会对雷电灾害的监测和预防的需求也逐渐增大[2]。

雷电最典型的例子就是雷暴云层产生的对地闪电，目前利用大气电场数据进行雷电预警的方法多以预警阈值[3-5]和预测方程的方法[6-7]为主。主要的方法是针对电场的快速抖动和闪电发生的0—1对应关系，对电场数据进行分解并从中提取预测因子，根据经验数据分析得出阈值点或建立多元回归的预测方程。这些方法准确率较高，但在针对不同地区、不同季节需要人工进行阈值、权重等参数调整。且由于雷电的生成机理复杂，具有一定的非线性特征，定量分析预测因子的过程十分繁琐且不具备泛用性，应用性较局限。

为了解决非线性问题并建立具有适应性和容错性的模型，也有人尝试采用机器学习的方法进行气象特征对事件的映射从而预警雷电：吕伟涛等[8]集成了决策树和区域识别的方法，建立了雷电临近预测系统。周明薇等[9]采用了支持向量机对NCEP资料建立了雷电潜势预警模型，应用相关系数大于0.3的特征，并与其他分类模型进行了比较。陈勇伟等[10]提取了对流参数作为神经网络的输入因子，预测了雷电活动的潜势。……