基于人工神經網絡的城區氣象要素預測方法研究

張言言，劉道華

（信陽師范學院 計算機與信息技術學院，河南 信陽 464000）

基于人工神經網絡的城區氣象要素預測方法研究

張言言，劉道華

（信陽師范學院 計算機與信息技術學院，河南 信陽 464000）

人工神經網絡以其獨特性及優越性，受到越來越多科研工作者的重視。如果建立反饋型人工神經網絡，就可以充分發揮計算機的高速運算能力。對已有數據的分析、運算，必將使天氣預測系統產生翻天覆地的變化。

人工神經網絡；氣象；預測

天氣預測是依據氣象科學的基本原理，利用氣候動力學及現代通信手段，依據天氣要素的歷史數據建立科學的天氣預測模型，從而實現對未來天氣要素的預測。人工神經網絡以其獨特的大規模并行處理能力、容錯性、自組織和自適應能力強及具有聯想功能等特點，被人們普遍認為是解決復雜問題的有力工具，并越來越多地被應用于很多科學領域。基于此，構建一種基于人工神經網絡的城區氣象要素預測方法，目的是克服傳統天氣預測系統基于統計技術方面的不足，可在某一城區周圍n個氣象觀測站得到的歷史氣象要素數據的基礎上，建立數學模型，運用到天氣預測中，便可根據過去某一段時間的天氣某一特征的變化情況來預測未來一段時間內該特征的變化情況。

1　人工神經網絡

人工神經網絡是一種由大量具有自適應性的處理單元（神經元）廣泛分布并進行互聯而形成的網絡，其是模擬人類大腦聯接結構而建立的一種模型，尤其是該模型具有學習和記憶功能，學習的目的是建立神經元之間的聯接關系。常見的神經元一般是多輸入、單輸出的非線性單元，其輸入輸出關系可描述為：

其中：Xj(j =1,2,…,n)為神經元獲得的輸入信息；θi為閾值；Wji為第j個神經元到第i個神經元的連接權值；f（·）為傳遞函數。

由于BP算法的多層前饋神經網絡模型具有計算能力強、魯棒性好等優點，且較適用于氣象要素預測系統，故而本設計采用了基于BP算法的多層前饋神經網絡模型。BP神經網絡模型拓撲結構包括輸入層、隱層和輸出層。

2　利用人工神經網絡預測霧霾

2.1氣象要素

氣象要素用來表明某一特定地點某一時刻的天氣情況，包括與居民生產生活有關的環境變化，比如氣溫、氣壓、濕度、降水量、溫度、風速、風向等相關數據。天氣預報是有關氣象部門通過對全球大氣、云層、天氣狀況等的觀察、檢測并運用計算機進行相關模擬推算，從而得出人們普遍關心的某些氣象要素及天氣狀況的預測值，對人們的衣、食、住、行等方面提供一定的參考作用，方便人們的生產生活。

人們從夏商時代就已經開始農業生產活動，農業對氣候的依賴作用，促使了天氣預報的產生。但是由于認知程度和知識水平的限制，當時的人們只能通過觀察天空變化情況和占卜來預測天氣的變化，預報準確度極低。隨著時間的增長，人們對天氣預報的認識慢慢深入，直到三百多年前，我國出現了連續的氣象記錄和專門從事氣象工作的部門—欽天監，并購建立了中國第一個地面觀測網，大大提高了天氣預報的準確度。時間流轉到20世紀，通過一代代中國人的不懈學習、探究，數值天氣預報模式慢慢融入中國天氣預報系統，現代天氣預報產生了。雖然現代天氣預報的精確度還有待改進，但不得不承認其對人們的生產生活作出了極大的貢獻。

一般來說，現代天氣預報包括5個環節，分別是氣象觀測、數據收集、綜合分析、預報會商、預報產品發布。

數據收集即將從全球獲得的數據轉化為數值天氣預報模式可以識別和使用的數據，再利用超級計算機對這些數據進行計算處理。

綜合分析就是在超級計算機完成數值天氣預報的結果輸出之后，通過人工分析各種天氣變化圖表，再結合氣象衛星、雷達的監測資料，得出預報結論。

預報會商是在預報結論得出之后，經過集體探討，綜合情況考慮，從而得出最終的預報結論。

預報產品發布實在預報會商之后，通過廣播、電視、報紙、網站、新媒體等方式，將最終的天氣預報結論發布出去，也就是人們最終看到的天氣預報。

2.2霧霾現象及成因分析

霧霾就是霧和霾，經常有人分不清霧和霾，并將兩者混為一談，但是實際上兩者之間還有很大的區別。

霧的主要成分是液態水和冰晶，液態水和冰晶會造成光線的散射，從而降低空氣的透明度，影響能見度。而霾的主要成分除了液態水和冰晶以外，還有飄浮在空氣中的灰塵/硫酸分子、硝酸分子、有機碳氫化合物等粒子。由于霾含有多種可吸入顆粒物，在霾現象嚴重時，甚至會出現顏色，大多為黃色或橙灰色。霾則使大氣嚴重渾濁，能見度極度惡化的同時，更威脅著人們的健康，霾中含有的那些顆粒物如果被人吸入體內，將嚴重危害人們的身體健康，如果長期吸入，甚至會導致死亡。故而“霧霾天氣”在現代天氣預報中被作為災害性天氣預警預報。

一般來說，霾產生的時候相對濕度較小，空氣相對干燥，而當風速較小時，更易催生霾。分析霧霾的成分可知，霧霾的源頭主要是汽車尾氣、工業排放、垃圾焚燒等。中國還是一個發展中國家，急劇的工業化和城市化導致能源迅猛消耗、生態環境遭到破壞，而人口高度聚集，私家車的逐漸增多，都為霧霾天氣的形成埋下了伏筆。如今，中國霧霾現象越來越嚴重，而霧霾天氣的持續發生讓每個待在室外的人都感到提心吊膽。但是人們又不能為了避免接觸霧霾而一直生活在室內，所以預測霧霾的產生地點、持續時間的工作變得尤其重要，有了精確的預測，人們就可以根據對霧霾的天氣預測來合理安排自己的生產、生活，選擇最合適的外出時間和防范措施，有效避免霧霾帶來的傷害，對保證人體的健康有著巨大的作用。

2.3建立BP神經網絡預測模型對霧霾進行預測

步驟1 初始化。包括對權值矩陣W，V賦隨機值，樣本計數器p=1，訓練次數計數器q=1，誤差E=0，學習率η取0～1之間的數任意數，網絡訓練后達到的精度閾值Emin設為一較小的正隨機數。

步驟2 輸入訓練樣本，計算網絡隱層神經元各節點的輸出。

利用上述兩式計算Y和O中的各分量。

步驟3 計算網絡輸出誤差。設共有P對訓練樣本，網絡對應不同的樣本具有不同的誤差EP，可用其最大者Emax代表網絡的總誤差，也可以用其均方根誤差作為網絡的總誤差。

步驟4 計算出各層誤差值。

步驟5 調整各層權值。

應用上式計算W，V中各分量。

步驟6 檢查是否對所有樣本完成一次訓練。若p＜P，計數器p，q增1，返回步驟2，否則轉到步驟6。

步驟7 檢查網絡總誤差是否達到精度要求。當用ERME代表網絡總誤差時，E=ERME。若E＜Emin，訓練結束，否則E=0，p=1，返回步驟2。

3　實驗及結果分析

3.1利用歷史數據訓練BP神經網絡天氣預測模型

本研究中采用的測試用的PM 2.5濃度數據來源于2014 年8月加密采樣的43個監測點觀測得到的PM 2.5日均質量濃度數據。為確保BP人工神經網絡預測PM 2.5濃度的精確度及后續精度評價工作的開展，在研究過程中，隨機分配上述43組PM 2.5日均質量濃度數據為2組：即訓練樣本集和測試樣本集，分別占樣本總數的80%和20%（見表1），其中訓練樣本中最大值為85.0 μg/m3，最小值為23.0 μg/m3，平均值為44.9 μg/m3，測試樣本中最大值為81.0 μg/m3，最小值為39.0 μg/m3，平均值為49.9 μg/m3。

表1　PM2.5日均質量濃度

3.2預測與分析

由分析可知，霧霾成因與濕度和風速有關，故而，通過氣象站監測到的風速和濕度數值，可以預測霧霾天氣。構建出信陽市各氣象觀測站的濕度和風速的BP神經網絡預測模型，并依據模型預測出信陽市近一周（2016年7月29日—8月4日）的168小時的PM 2.5值。

將a，b，c，d 4個氣象站檢測到的風速和濕度數值作為XP，dP值輸入BP神經網絡天氣預測模型，得到軟因素回歸調整系數。具體處理結果如表2所示。

表2　4個氣象觀測站的濕度和風速的軟因素回歸系數

對于近7日的PM 2.5預測值同真實值的平均絕對誤差、重合次數以及重合率對比結果如表3所示。

表3　PM 2.5預測值同真實值的相關信息對比

從表3中的實驗數據分析可知，從2016年7月29日—8月4日對信陽市PM 2.5數值的預測值同真實值重合次數及重合率基本上是下降的。從表中的平均絕對誤差值也可看出，每天的平均絕對誤差值基本上呈正比例升高，這兩者均說明預測周期越長，其預測精度越低。

4　結語

BP神經網絡作為按照誤差逆傳播算法訓練出的多層前饋網絡，具有超強的學習能力和高速尋求優化解的能力，借助這些能力，根據城市的實際氣象要素數據，構建出的天氣預測模型具有很高的精確度。利用基于BP神經網絡的天氣預測模型對大氣中的PM 2.5濃度進行預測，在不停地實驗和訓練中不斷改進神經網絡的結構，能彌補傳統天氣預報系統算法的不足之處，提高天氣預測的精確度。

[1]張人禾，李強，張若楠.2013年1月中國東部持續性強霧霾天氣產生的氣象條件分析[J].中國科學（地球科學版），2014（1）：27-36.

Research on forecasting method of urban meteorological elements based on artificial neural network

Zhang Yanyan, Liu Daohua
（Computer and Information Technology School of Xinyang Normal University, Xinyang 464000, China）

The artificial neural network has been attached more and more attention by more and more researchers for its uniqueness and superiority. Establishment of the feedback type artificial neural network can give full play to the computer's high-speed computing power. The analysis and operation of the existing data will make the weather forecast system produce great changes.

artificial neural network; meteorological; forecast

2017年度河南省教師教育課程改革重點項目；項目編號：2017-JSJYZD-25。

張言言（1994— ），女，河南周口，本科；研究方向：預測理論。