數據挖掘技術在氣象預報研究中的應用

摘 要：天氣預報是監(jiān)測天氣變化的主要手段，能夠較好的預測出天氣變化、氣候變化和氣候災害。對社會的發(fā)展具有重要的作用。而數據挖掘技術是影響天氣預報的主要方法，合理的運用數據挖掘技術可以有效的提高天氣預報的準確性，合理的運用數據在天氣預報服務中也有著舉足輕重的作用。本文介紹了數據挖掘技術在天氣預報研究中的應用，并對數據挖掘技術在天氣預測中的應用進行分析。希望氣象研究人員能夠合理的運用數據挖掘技術，提高天氣預報的準確性，也希望在天氣預報節(jié)目中能有一些應用。

關鍵詞：數據挖掘技術；氣象預報；氣象數據；

中圖分類號：X16 文獻標識碼：A 文章編號：1674-3520（2015）-04-00-01

前言

天氣預報是運用天氣學、統(tǒng)計學和氣象學等多門原理，依據氣象觀測資料，對某一區(qū)域天氣狀況作出預測。目前影響天氣預報準確性的因素眾多，導致天氣預報的準確性難以預測，數據間的隱含信息更是難以分析，針對這種形式，氣象研究部門可以引進數據挖掘技術，對歷史數據和衛(wèi)星資料進行分析整理，挖掘出其中隱含的有價值的信息，能夠更好的掌握天氣規(guī)律，增加天氣預報的準確性。

一、數據挖掘技術在氣象預報研究中的應用

（一）數據挖掘在氣象預報中的應用

天氣預報一般是指對天氣的短時、短期和中期預報。因為預測的內容和時間限制不同，因此要采用不同的預測方法，短時的預報可以采用現代化的探測手段；短期的應該運用天氣學、統(tǒng)計學和診斷分析等方法進行預測；中期預報需要運用動力學、數值預報和天氣學等綜合分析出來。因此，天氣預報的預測會產生大量的數據，運用數據挖掘的方法可以有效的對數據進行整理，分析出有價值的信息，從而可以增加天氣預報的準確性。例如馮漢中運用SVM分類法對氣象預報進行試驗，以1990年-2000年的4月到9月降水為資料，建立四川降雨量有無大于15毫米的推理模型，四川氣象站通過對氣象的監(jiān)測，顯示SVM推理模型具有較高的預測能力。

（二）數據挖掘技術在氣候預測中的應用

氣候預測是氣象部門對天氣的長期預測，主要是旱澇、冷暖和氣溫等變化趨勢，氣候預測運用了大量的資料數據，采用統(tǒng)計預報等方法分析而出，是數據挖掘的主要應用方向。例如李永華運用奇藝普分析法對樣本進行分量重建，將重建序列構造均值生成函數作為輸入因子，原數據作為輸出因子，構建BP神經網絡多步預測模型，對重慶沙坪壩站夏季降水量進行預測，取得了較好的預測效果。

（三）數據挖掘技術在氣象災害預測中的應用

我國每年都有氣象災害發(fā)生，例如洪水、臺風等。氣象部門對自然災害的預測可以有效的防災減災，有利于社會的穩(wěn)定。氣象災害的預測運用動力學和定量遙感技術對氣象災害進行臨近預報。因為災害出現通常是個案，因此，難以進行有效的數據挖掘，但是考慮到預測氣象災害的重要性，研究人員必須加深對氣象災害的數據挖掘。Tsegaye Tadesse采用雙時間序列分析法發(fā)現干旱因子與海洋因數間的關系，從眾多大氣和海洋因子中找出影響干旱的因子，指出監(jiān)測特定的海洋因子是預防干旱的主要手段[1]。

二、對挖掘技術在氣象數據應用的分析

（一）對氣象數據挖掘的時間和空間特性分析

氣象數據具有時間特性和空間特性，通過對氣象數據的時間特性和空間特性進行分析，可以有效的避免數據隱藏的信息變化。空間分析是指對空間多個站點的數據進行分析整理，對地點進行區(qū)域劃分，對區(qū)域的氣象數據利用主成分分析法進行分析，得出該地區(qū)影響天氣的主要因素，同時指出氣象的反常現象。對時間特性的分析是指對長期以來的數據進行分析、預測趨勢和反常現象進行分析，例如《氣象數據深度挖掘優(yōu)化方法研究與仿真》中利用時空結合的分析法得出臺風的路徑和出現的區(qū)域[2]。

（二）對氣象數據挖掘的降維分析

影響天氣預報準確性的因素很多，現在的氣象部門將大量的衛(wèi)星和臺站的觀察資料引進數學方程式中求解，對電腦的能力要求較高，在不影響預報的前提下，降低數據的維度可以減少對計算機的依賴。降維分析主要有精確降維和近似降維兩種方法。

精確降維的主要方法是粗糙集分析方法，是對數據庫的數據進行分類，分成不同屬性的子集，對子集進行分析，如果所有條件都指向某一數據沒有影響，那么這個數據就可以去掉，從而減少數據庫的維度。近似降維的主要方法是主成分分析法，是將原來的具有相關性的數據重新組合成一組新的數據，其綜合指標近似與原來的指標但是不可以完全代表原來的指標。因此，主成分分析法屬于近似降維，其準確性有所欠缺。對氣象數據進行降維分析，可以有效的提高預測的效率。

（三）對氣象數據挖掘的分類預測

對氣象數據挖掘就是在大量的氣象數據中，建立天氣系統(tǒng)模型，分析隱藏的信息，達到對氣象的預測目的。對氣象的分類預測包括對降雨、臺風等離散值的預測和對降雨量、溫度等連續(xù)值的預測。對離散值的預測方法主要有：分類統(tǒng)計、神經網絡和粗糙集等；對連續(xù)值的預測方法主要有：神經網絡和回歸分析等。對氣象數據的分類預測，可以有效的實現對地域的監(jiān)測，能夠有效的預測突發(fā)性天氣和收集氣象數據。

（四）對氣象數據挖掘的關聯(lián)分析

對氣象數據進行挖掘分析時，要充分考慮數據的關聯(lián)性，對氣象數據的關聯(lián)性分析主要體現在兩個方面：一是制定屬性進行關聯(lián)分析、二是考慮統(tǒng)一數據在不同時間和地點的關聯(lián)分析。對氣象數據進行關聯(lián)性分析可以有效的對氣象數據進行挖掘，提高收集有效數據的效率，增強天氣預報的準確性[3]。

結語：數據挖掘技術是提高天氣預報準確性的有效手段。希望通過本文對數據挖掘技術在天氣預報中的應用介紹和分析，能夠帶給氣象研究人員一些啟示。能夠加深數據挖掘技術在氣象監(jiān)測中的應用，以便提高氣象預報的準確性。

參考文獻：

[1]白若微，張萍，周榕.遠程教育中數據挖掘技術的研究熱點與發(fā)展趨勢——基于CitespaceⅡ的可視化分析[J].中國醫(yī)學教育技術，2013，11（05）：512-516.

[2]李雷孝.氣象數據深度挖掘優(yōu)化方法研究與仿真[J].計算機仿真，2013，12（01）：403-406.

[3]吳先華，孫健，陳云峰.基于條件價值法的氣象服務效益評估研究[J].氣象，2012，01（23）：109-117.