模糊邏輯在海洋天氣預測中的應用

摘" 要：海洋環境有多變性、復雜性、突發性等幾個特點，這些特點導致海洋天氣難以準確預測，對海上設備防腐、海上施工及人民出行和生活造成很多不便。隨著社會的發展，海上工業和漁業及人民生活對天氣預報準確度有更高的要求。利用精密數據采集儀器，把海洋環境的一些參數進行記錄、集成，隨著時間的推移、相關數據的積累，建立最大隸屬度型模糊邏輯可以幫助進行更為準確的預測，從而為施工、出行、生活等各方面在天氣方面提供參考，減少風險，保障安全。

關鍵詞：模糊邏輯；隸屬度；海洋環境；天氣預測；數據采集

中圖分類號：TP18" " " "文獻標志碼：A" " " " " 文章編號：2095-2945（2024）04-0193-04

Abstract： The marine environment has several characteristics， such as variability， complexity， sudden and so on， which make it difficult to predict the marine weather accurately and cause a lot of inconvenience to the anticorrosion of marine equipment， marine construction and people's travel and living. With the development of society， marine industry， fishery and people's life have higher requirements for the accuracy of weather forecast. Some parameters of the marine environment are recorded and integrated by using precision data acquisition instruments. With the passage of time and the accumulation of relevant data， the establishment of maximum membership fuzzy logic can help to make more accurate prediction， in order to provide reference for construction， travel， life and other aspects in the weather， reduce risks and ensure safety.

Keywords： fuzzy logic; membership degree; marine environment; weather prediction; data collection

海洋性氣候具有短時間多變、按年來計又有規范性和相對穩定的特點，近些年，隨著海上工程建設、海上捕撈、海上旅游等各類活動的增加，提高海洋天氣預測的準確度，為企業施工、人民生活、出行等各方面提供更為優秀的天氣預報，降低各類風險，保障海上各項活動的安全顯得尤為重要。

在現實生活中，人們大多數情況下接觸到的不是精確的“是”“否”或者明確的數值類準確數據，而是“好”“不好”“輕”“重”這樣的模糊描述。對于天氣尤其是海洋天氣特定時間內的變化，更難以做到準確預測。

實際上，海洋環境參數很多，基礎的如風速、風向，氣壓、濕度，浪高、暗涌、含鹽度等相互之間又沒有必然聯系，難以建立線性關系，不可能用其中一個參數的變化推導出其他方面的變化，但經過長時間觀察和總結，有很多看似無關的參數，卻總在其他參數穩定時，輸出參數也相對穩定。例如有很多諺語“六七月里吹北風，一兩天內有臺風”“漲潮潮不漲，漁船莫開洋”“天上起了鯉魚斑，明天曬谷不用翻”“朝霞不出門，暮霞行千里”等樸實的語言，在某些參數（六七月的北風、漲潮潮不漲、鯉魚斑、朝霞和暮霞）確定的情況下，輸出了穩定的結果（臺風、漁船不宜出海、曬谷不用翻、不出門和行千里）暗含了模糊邏輯的理論和應用。

1" 基本概念

模糊邏輯：模仿人腦的不確定性概念判斷、推理思維方式，對于模型未知或不能確定的描述系統，以及強非線性、大滯后的控制對象，應用模糊集合和模糊規則進行推理，表達過渡性界限或定性知識經驗，模擬人腦方式，實行模糊綜合判斷，推理解決常規方法難于對付的規則型模糊信息問題[1]。

模糊邏輯對經驗和非線性對象進行精確化描述，通常是對多個參數的變化量使用模糊規則推理出一個或少數所求參數，使得模糊比精確更準確。經典邏輯表達的是準確的輸出結果，而模糊邏輯輸出的是無比接近但不準確的結果。解決的問題也是經典邏輯難以解決的問題，比如一部電梯，最多承載10人，在不同的人數下，電機的輸出功率如何變化能達到即保證速度又保證乘客舒適度的需求。因為每個人的身高、體重等參數各不相同，這給經典邏輯帶來不小挑戰，但使用模糊邏輯就能較好地解決該問題，使得電梯運行穩定，節約電能的同時也能滿足用戶需求。

隸屬度：在用研究對象的參數建立的數據集合中，任意一個參數x，都有一個數A（x）∈0，1與之對應，則稱A為該數據集合上的模糊集，A（x）稱為x對A的隸屬度。當參數x在數據集合中變動時，A（x）就是一個函數，稱為A的隸屬函數。隸屬度A（x）越接近于1，表示x屬于A的程度越高，A（x）越接近于0表示x屬于A的程度越低。用取值于區間0，1的隸屬函數A（x）表征x屬于A的程度高低[2]。

隸屬度屬于模糊評價函數里的概念：模糊綜合評價是對受多種因素影響的事物做出全面評價的一種十分有效的多因素決策方法，其特點是評價結果不是絕對地肯定或否定，而是以一個模糊集合來表示。隸屬度=（指標值-指標最小值）/（指標最大值-指標最小值）。

創立和研究模糊邏輯的主要意義如下。

首先，運用模糊邏輯變量、模糊邏輯函數等新思想、新理論，為尋找解決模糊性問題的突破口奠定了理論基礎，從邏輯思想上為研究模糊性對象指明了方向。

其次，模糊邏輯在原有的布爾代數、二值邏輯等數學、邏輯工具難以描述和處理的自動控制過程、疑難病癥的診斷、大系統的研究等方面，都具有獨到之處[3]。

最后，在方法論上，為人類從精確性到模糊性、從確定性到不確定性的研究提供了正確的研究方法。此外，在數學基礎研究方面，模糊邏輯有助于解決某些悖論。對辯證邏輯的研究也會產生深遠的影響。當然，模糊邏輯理論本身還有待進一步系統化、完整化、規范化。

2" 理論基礎

1965年美國自動控制專家L.A.Zadeh首次提出模糊集合和模糊函數的概念，1966年P.N.Marinos發表了關于模糊邏輯的研究報告[4]。模糊邏輯是通過模仿人的思維方式來表示和分析不確定、不精確信息的方法和工具。模糊邏輯本身并不模糊，它并不是“模糊的”邏輯，而是用來對“模糊”（現象、事件）進行處理，以達到消除模糊的邏輯[5]。

模糊理論需要大量的歷史數據建立數據庫，通過一定的排序規則進行“經驗”化，模糊規則的制定對最終結果的準確性具有決定性作用，二者相輔相成，缺一不可。

模糊理論仍然處在初級階段，還需進一步完善、總結，其部分應用還是在設法將模糊的數據以時間或者某一（些）特定參數為基準，實現線性化表達，建立數學模型，根據需要推理出相對準確的結果，或是輸出一個數據集合，從而解決實際問題。

3" 系統流程

系統流程圖如圖1所示。

3.1" 數據采集

使用精密儀器采集海洋天氣的實時數據，一方面作為輸入，另一方面進行存儲，建立數據庫。

數據采集設備如下。

1）氣壓計。

量程：850～1 050 hPa。

精度：±0.5 hPa。

2）海浪檢測儀。

測量范圍：0～60 m。

浪高精度：±12 mm。

海浪周期范圍：1～100 s。

海浪周期精度：±50 ms。

海浪方向范圍：0～360 °。

海浪方向精度：±2 °。

3）鹽度檢測計。

測量范圍：0～70 ms/cm。

測量精度：±0.25 ms/cm。

4）能見度儀。

測量范圍：0.01～75 km。

分辨率：.0.01 km。

不確定度：±4%。

間隔期：20 min。

3.2" 規則庫

數據模糊化分析如下。

1）選取時間序列的數據建立數據庫，且所有數據與時間序列發生關聯[2]。

2）將上述氣壓、海浪流速、方向、浪高、含鹽度和能見度分別建立數據集合，并且該數據集合隨著時間變化，不斷補充新的數據進來，數據范圍則以各采集儀表的量程作為最小值和最大值。

3）將數據集合中依據采集儀表的量程最小值定義為0、最大值定義為1，將上述每一個數據集合賦予1個隸屬度函數，使得任何1個輸入數據在數據集合中都對應1個隸屬度，即A（x）∈0，1[2]。

4）1個輸入對應1個數據集合，輸出對應的不止1個數據集合，計算出所有輸出點對應的所有可能的隸屬度，取其中最大隸屬度對應的區域為輸入輸出點的區域。

5）采用輸入隸屬度和輸出隸屬度乘積最大的規則，建立模糊規則，排除其他的模糊規則，同時，該規則也是去模糊的重要規則。

6）將篩選后的模糊規則組成規則庫[6]。

3.3" 去模糊

根據規則庫將輸入數據進行去模糊。在這里使用最大隸屬度原則進行去模糊處理。

最大隸屬原則（maximum membership principle）是模糊數學的基本原則之一。主要包括2部分：第一，窮盡性原則，即對象總體中所有分子都能歸類。第二，排他性原則，即對象總體中任何一個分子都不能同時歸屬于2個或者更多的類別。

3.4" 顯示結果

去模糊后的數據作為結果進行顯示，從而預測在指定時間內的天氣情況。

4" 舉例說明

南海某油氣田環境監測系統采集天氣數據，數據形式見表1。

在經過經年累月的采集數據以后，建立數據庫，當需要預測指定時間段內天氣狀況時，則可根據規則庫中制定的規則，進行模糊推理，顯示推理結果見表2。

根據南海西部某油氣田采集到的海洋天氣環境的相關信息可以發現，海洋天氣環境中影響能見度的因素包括大氣壓、流速、流向、浪高和鹽度等。通過套入L.A.Zadeh的模糊邏輯系統流程中，可得出如下結論：首先，根據制定的規則庫來收集大量的歷史數據，并將數據進行數據存儲，建立數據庫。其次，將歷史數據經驗化，通過建立起的數據存儲庫，來進行模糊推理。模糊推理過程就是將近期影響海洋天氣環境的因素，如大氣壓、流速、流向、浪高和鹽度等相關因素與歷史數據進行對比，最終推斷出相應參數，從而實現更精準預判海洋天氣環境的效果。

參考文獻：

[1] 楊浩，薛鋒，稅永波，等.一種基于模糊邏輯智能控制的駕駛員模型[J].汽車實用技術，2021，46（17）：30-33.

[2] 付殿英.模糊邏輯：現代邏輯應用的一支奇葩[J].重慶工學院學報（社會科學版），2008，22（11）：24-28.

[3] 周勤，陳進，董力.自適應神經模糊推理系統在醫學領域的應用[J].中國胸心血管外科臨床雜志，2015，22（3）：252-256.

[4] 李偉中，孔令成，王美玲.結合模糊邏輯的自適應灰狼優化算法[J].小型微型計算機系統，2021，42（10）：2023-2030.

[5] 吳德華，林毅，林庚釵.基于模糊邏輯理論的公路路側安全度評價方法[J].貴州大學學報（自然科學版），2016，33（1）：122-126.

[6] 江勝菊，袁園.基于一型模糊邏輯系統的天氣預測[J].智庫時代，2018（31）：157，159.