基于邏輯回歸方法的日出氣象預報模式研究
——以霞浦縣花竹村為例

陳文佳 余至成 王 婧

(1.福建省霞浦縣氣象局，福建 寧德 355100;2.福建省大氣探測技術保障中心，福建 福州 350008;3.福建省氣象信息中心，福建 福州 350001)

0 引言

隨著經濟發展及社會進步，人民群眾可支配收入增長，旅游產業地位不斷攀升。而氣象條件對旅游質量和旅游安全保障等多方面均有影響，隨著旅客對旅游氣象服務的要求不斷提升，傳統、定時、單一的預報服務模式不能完全滿足旅客的需求，精細化、定制化的旅游氣象服務模式將逐漸成為主流趨勢[1-2]。近年來，旅游氣象服務研究工作實屬熱門，各地氣象部門均對該業務開展了各類研究。賴輝煌等[3]對2020年九仙山的日出日落時間、氣象條件等進行了統計分析，結果發現，九仙山可觀賞率最高的月份為1月，最有利觀日氣象條件是前一日風向為偏西風向，為九仙山觀日旅游服務提供指導。楊春華等[4]利用茶卡鹽湖景區臨近氣象站觀測數據，對景區氣象要素開展了統計分析，并對攝影的影響因子云量、能見度、風速和降水進行分級，確定了天空之鏡攝影氣象指數和攝影氣象條件優劣標準。丁國香等[5]針對安徽省山岳型景區的需求，開展了氣象景觀預報，在計算各類氣象條件分級指標后，通過疊加方式確立云海出現的概率情況，以此方法達到定制化服務，而特色景觀更多依賴于預報員的經驗預報。

作為旅游大縣，霞浦縣的海岸線達505km，近岸還有“中國最美麗的灘涂”，配合其西高東低的復雜地勢，享有豐富的山海資源。正是由于霞浦依山傍海的天然地理環境，使其成為國內外攝影愛好者的寵兒，而灘涂攝影、日出日落攝影等產業的蓬勃發展又進一步促進了霞浦旅游業的發展，到霞浦游玩的旅客數量日益增多，提供精準、及時的旅游氣象服務勢在必行。

根據前期實地調研和線上意見征集的結果，來霞旅客認為常規氣象服務形勢單一、內容枯燥、缺乏針對性，對此，他們提出了許多意見。霞浦縣氣象局聽取反饋意見，于2020年開展了一系列精細化旅游氣象服務工作。在諸多服務中，廣受好評及熱議的是2020年10月上線的花竹日出預報服務。花竹村位于霞浦三沙鎮，素有“中國觀日地標”的美譽[6]，其自然資源稟賦優越，具有以“山、海、灘、石、島、日出”為代表的自然山水景觀[7]。作為熱門網紅打卡點，霞浦縣氣象局提供了花竹破曉時間、日出時間以及日出指數和氣象條件。綜合各類研究結論，其他旅游氣象類研究對實況數據進行統計分析，并依據分析結果建立分級指數，將分級值疊加或加權后得到各類旅游指數，這種方法缺少預報結論與實況的檢驗評估。本文就2021年霞浦縣氣象局花竹日出預報服務進行檢驗評估，并通過機器學習的方法建立新日出預報服務模式，為后期開展多點服務提供參考。

1 資料和分析方法

利用2021年5月1日至12月31日三沙國家一般氣象站和花竹自動氣象觀測站的逐小時觀測數據及實景觀測結果，對福建省霞浦縣氣象局該時段內提供的花竹日出氣象預報數據進行檢驗，并利用Python的開源庫Sklearn中的邏輯回歸(Logistic Regression，LR)算法，將清洗過的實況數據代入算法進行模型訓練，再根據模型預測明日日出情況(實現二分類，即有無日出)。

邏輯回歸算法是將某事件發生結果作為因變量，將影響其結果的要素作為自變量建立的回歸模型，其因變量應具有二分特性，即結果可以用是或否(有或無)等類似判定詞描述，其取值有且僅有兩種，在計算機內可以用0或1來表示[8]。目前被較多應用于流行性疾病判識等方面，也被嘗試引入電商環境[9]，鑒于此，可以將該模式引入旅游氣象服務業務工作。以經典糖尿病數據集為例，LR算法模型將人的BMI、年齡、血壓等作為自變量，判識該個體是否有糖尿病。通過學習這種預測模式，可以將前期收集到的花竹日出過程中的天氣情況、云量、能見度、風速、雨量、相對濕度、氣溫等數據集和實景觀測有無日出的數據集作為訓練數據集對模型進行訓練，通過計算不同訓練集的準確率、召回率等，選取最佳訓練集。也就是通過這種方式確定日出的主導影響要素。

邏輯回歸曲線計算公式[10]如下：

(1)

f(x)=α0+α1x1+α2x2+α3x3+...

(2)

當變量值通過0值時(如圖1所示)，可確定函數值為0.5，這里規定當函數值大于等于0.5為正向，小于0.5為負向，從而將函數值二分類。在本研究中，x1、x2、x3……即對應氣溫、相對濕度、降水量、風速、能見度等要素，α0、α1、α2、α3等為回歸系數，L(x)對應有無日出的結果。

圖1 邏輯回歸曲線示意圖

當確定主導要素后，以該模型開始預測，并再次檢驗預測效果。

2 多要素回歸模擬結果分析

本文使用的觀測數據所含要素為氣溫、相對濕度、降水量、瞬時風速、能見度，對數據進行清洗，篩除缺測和錯誤數據后，將上述數據引入隨機種子random_state=0的參數設置進行拆分，拆分為訓練集和測試集，代入編寫好的Python程序中進行模擬實驗。這里使用的是Python的Sklearn開源庫中包含的LR算法。將要素類目分為兩組，一組是包含氣溫、相對濕度、降水量、瞬時風速、能見度、海平面氣壓、24小時最高氣溫、24小時最低氣溫、露點溫度、水汽壓、人工觀測云量(以下稱試驗1)，另一組包含氣溫、相對濕度、降水量、24小時最高氣溫、24小時最低氣溫、云量(以下稱試驗2)。通過對2組要素進行試驗，試驗結果如表1、表2所示。

表1 試驗1要素的模擬試驗結果

表2 試驗2要素的模擬試驗結果

將實驗模擬結果統計整理成混淆矩陣，如表3所示。表4為2組試驗結果的準確率、錯誤率、召回率、特異度等[11]，通過對比這些數值來評估2組模擬方法擬合效果的區別。

表3 LR算法模擬試驗結果的混淆矩陣

表4 兩組試驗擬合效果統計值

比對2組數據的模擬效果檢驗指標可以得知，相對于試驗1，試驗2采用了更少的要素場參與擬合，從4項指標值而言，召回率和特異度較試驗1相比更優。試驗2使用較少的氣象要素進行試驗時，雖然特異度和召回率有一定程度提升，但提升效果并不明顯，且準確率有所降低，更容易出現空報現象。通過試驗1、2結果各項的系數對比，發現降水量、24小時最高氣溫、24小時最低氣溫影響系數較大，起主導作用，而在模擬中，其他氣象要素的影響系數比以上3個要素偏小或小1個量級。

3 隨機數種子模擬結果分析

根據上一組試驗結果，選取最優相關要素組代入，對使用的隨機種子randomseed進行改動，并進行檢驗，結果表明，當使用隨機數種子不同時，模擬效果也不同。通過比對各類檢驗指標發現，當隨機種子設置小于200時，準確率和錯誤率整體浮動比較小。召回率在選擇40～200區間內呈先增加后減少的態勢。當隨機種子選取大于200時，準確率、召回率驟然降低，特異度略有提升。因此，在預測中將隨機數種子適當設置在40～200的區間內，尤其在100左右為最佳。

召回率是指預測日出樣本數占實際日出的比重。特異度是指預測無日出占實際無日出樣本數的比重。從實際角度而言，這兩個值更能反映預報精準度質量。從特異度角度分析可以發現，當隨機種子數介于0～200，大部分模擬效果預報無日出的情況都可以達到80%以上的概率，在實際服務中，可以有效規避不利天氣對賞日出行規劃的影響。

在實際業務服務日出預報中，更注重召回率，即精準預測日出的情況，對于過擬合的情況，其實是對日出概率的悲觀考慮，使用隨機種子在0～200區間可以提升預報準確率，使用隨機種子在100左右效果尤佳，而且能夠從很大程度上提高日出預報中有效日出預報占比，從而提升游客對服務效果的信任度。

圖2 不同隨機數種子值模擬檢驗結果

綜合上述指標，將隨機種子值定為100，進行模擬運算，獲得式(3)、式(4)預報模型。

其中，x1是逐時平均氣溫，x2是逐時相對濕度，x3是逐時降水量，x4是24小時最高氣溫，x5是24小時最低氣溫，x6是日出時刻人工觀測云量，x7是逐時極大風速，x8是逐時能見度，x9是逐時海平面氣壓，x10是逐時露點溫度，x11是逐時水汽壓(數據時間選擇的是05—06時這一小時)。

確定隨機數種子最優值后計算各要素回歸系數，其系數值分別為-0.01417，-0.03609，-0.02613，-0.04751，0.04295，-0.06742，0.06934，-0.0001083，0.006641，0.04475，0.03082。

(3)

f(x)=-0.01417x1-0.03609x2-0.02613x3-0.04751x4+0.04295x5-0.06742x6+0.06934x7-0.0001083x8+0.006641x9+0.04475x10+0.03082x11-0.0001704

(4)

4 結論與討論

利用Python的Sklearn庫中的LR算法，對日出預報服務進行改進，將機器學習的方式引入當前業務工作中。利用自動站獲取的2021年5月1日至12月31日逐時要素數據，進行機器學習算法，獲得邏輯回歸算法模型。

通過模擬試驗，可以得出以下結論：

①選取不同要素進行模擬試驗的結果表明，選取較少的氣象要素個數雖然會提升召回率但會造成準確率降低，以及空報的概率增加。選取過多的要素會造成結果過于悲觀，召回率低，故應結合實際選取要素。

②將不同隨機數種子值代入試驗結果表明，當隨機值在0～200的區間內時，特異度和準確率均可達到80%以上，可以較好地模擬日出情況。當隨機種子處于40～200區間內，召回率呈先增加后減少的態勢，當處于100左右時達到最優。

③選取最優因子和最優隨機種子值進行模擬，計算得到的回歸模型可以將模式輸出的平均氣溫、降水量、相對濕度等氣象要素代入運算，獲得預測值。預測值大于0.5，表示可見日出；預測值小于0.5，表示無日出。

本文引入機器學習中常用的LR算法對日出預報進行模擬試驗，該方法既將實況數據納入了預報中，還可滿足預報檢驗的需求，同時利用機器學習的特點，實現動態模型的預報模式。但這種方法還存在幾點問題：

①LR算法更多針對的是二分類數據，但在實際服務中，除了有無日出，日出還有多種多樣的形態，這種算法適用范圍有限。

②選取的2個站點缺乏云量自動觀測數據，從第二大點的隨機值試驗的系數值中可以發現，在最優隨機值時，系數較大的其中一項氣象要素為云量，文中使用的云量為人工觀測，后期可以借助衛星遙感的數據對云量數據進行改進，實現自動預報的學習模式。