張言言，劉道華

（信陽(yáng)師范學(xué)院 計(jì)算機(jī)與信息技術(shù)學(xué)院，河南 信陽(yáng) 464000）

基于人工神經(jīng)網(wǎng)絡(luò)的城區(qū)氣象要素預(yù)測(cè)方法研究

張言言，劉道華

（信陽(yáng)師范學(xué)院 計(jì)算機(jī)與信息技術(shù)學(xué)院，河南 信陽(yáng) 464000）

人工神經(jīng)網(wǎng)絡(luò)以其獨(dú)特性及優(yōu)越性，受到越來(lái)越多科研工作者的重視。如果建立反饋型人工神經(jīng)網(wǎng)絡(luò)，就可以充分發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力。對(duì)已有數(shù)據(jù)的分析、運(yùn)算，必將使天氣預(yù)測(cè)系統(tǒng)產(chǎn)生翻天覆地的變化。

人工神經(jīng)網(wǎng)絡(luò)；氣象；預(yù)測(cè)

天氣預(yù)測(cè)是依據(jù)氣象科學(xué)的基本原理，利用氣候動(dòng)力學(xué)及現(xiàn)代通信手段，依據(jù)天氣要素的歷史數(shù)據(jù)建立科學(xué)的天氣預(yù)測(cè)模型，從而實(shí)現(xiàn)對(duì)未來(lái)天氣要素的預(yù)測(cè)。人工神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的大規(guī)模并行處理能力、容錯(cuò)性、自組織和自適應(yīng)能力強(qiáng)及具有聯(lián)想功能等特點(diǎn)，被人們普遍認(rèn)為是解決復(fù)雜問(wèn)題的有力工具，并越來(lái)越多地被應(yīng)用于很多科學(xué)領(lǐng)域?；诖?，構(gòu)建一種基于人工神經(jīng)網(wǎng)絡(luò)的城區(qū)氣象要素預(yù)測(cè)方法，目的是克服傳統(tǒng)天氣預(yù)測(cè)系統(tǒng)基于統(tǒng)計(jì)技術(shù)方面的不足，可在某一城區(qū)周圍n個(gè)氣象觀測(cè)站得到的歷史氣象要素?cái)?shù)據(jù)的基礎(chǔ)上，建立數(shù)學(xué)模型，運(yùn)用到天氣預(yù)測(cè)中，便可根據(jù)過(guò)去某一段時(shí)間的天氣某一特征的變化情況來(lái)預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)該特征的變化情況。

1　人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一種由大量具有自適應(yīng)性的處理單元（神經(jīng)元）廣泛分布并進(jìn)行互聯(lián)而形成的網(wǎng)絡(luò)，其是模擬人類大腦聯(lián)接結(jié)構(gòu)而建立的一種模型，尤其是該模型具有學(xué)習(xí)和記憶功能，學(xué)習(xí)的目的是建立神經(jīng)元之間的聯(lián)接關(guān)系。常見(jiàn)的神經(jīng)元一般是多輸入、單輸出的非線性單元，其輸入輸出關(guān)系可描述為：

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

由于BP算法的多層前饋神經(jīng)網(wǎng)絡(luò)模型具有計(jì)算能力強(qiáng)、魯棒性好等優(yōu)點(diǎn)，且較適用于氣象要素預(yù)測(cè)系統(tǒng)，故而本設(shè)計(jì)采用了基于BP算法的多層前饋神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱層和輸出層。

2　利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)霧霾

2.1氣象要素

氣象要素用來(lái)表明某一特定地點(diǎn)某一時(shí)刻的天氣情況，包括與居民生產(chǎn)生活有關(guān)的環(huán)境變化，比如氣溫、氣壓、濕度、降水量、溫度、風(fēng)速、風(fēng)向等相關(guān)數(shù)據(jù)。天氣預(yù)報(bào)是有關(guān)氣象部門(mén)通過(guò)對(duì)全球大氣、云層、天氣狀況等的觀察、檢測(cè)并運(yùn)用計(jì)算機(jī)進(jìn)行相關(guān)模擬推算，從而得出人們普遍關(guān)心的某些氣象要素及天氣狀況的預(yù)測(cè)值，對(duì)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(chǎn)生活。

人們從夏商時(shí)代就已經(jīng)開(kāi)始農(nóng)業(yè)生產(chǎn)活動(dòng)，農(nóng)業(yè)對(duì)氣候的依賴作用，促使了天氣預(yù)報(bào)的產(chǎn)生。但是由于認(rèn)知程度和知識(shí)水平的限制，當(dāng)時(shí)的人們只能通過(guò)觀察天空變化情況和占卜來(lái)預(yù)測(cè)天氣的變化，預(yù)報(bào)準(zhǔn)確度極低。隨著時(shí)間的增長(zhǎng)，人們對(duì)天氣預(yù)報(bào)的認(rèn)識(shí)慢慢深入，直到三百多年前，我國(guó)出現(xiàn)了連續(xù)的氣象記錄和專門(mén)從事氣象工作的部門(mén)—?dú)J天監(jiān)，并購(gòu)建立了中國(guó)第一個(gè)地面觀測(cè)網(wǎng)，大大提高了天氣預(yù)報(bào)的準(zhǔn)確度。時(shí)間流轉(zhuǎn)到20世紀(jì)，通過(guò)一代代中國(guó)人的不懈學(xué)習(xí)、探究，數(shù)值天氣預(yù)報(bào)模式慢慢融入中國(guó)天氣預(yù)報(bào)系統(tǒng)，現(xiàn)代天氣預(yù)報(bào)產(chǎn)生了。雖然現(xiàn)代天氣預(yù)報(bào)的精確度還有待改進(jìn)，但不得不承認(rèn)其對(duì)人們的生產(chǎn)生活作出了極大的貢獻(xiàn)。

一般來(lái)說(shuō)，現(xiàn)代天氣預(yù)報(bào)包括5個(gè)環(huán)節(jié)，分別是氣象觀測(cè)、數(shù)據(jù)收集、綜合分析、預(yù)報(bào)會(huì)商、預(yù)報(bào)產(chǎn)品發(fā)布。

數(shù)據(jù)收集即將從全球獲得的數(shù)據(jù)轉(zhuǎn)化為數(shù)值天氣預(yù)報(bào)模式可以識(shí)別和使用的數(shù)據(jù)，再利用超級(jí)計(jì)算機(jī)對(duì)這些數(shù)據(jù)進(jìn)行計(jì)算處理。

綜合分析就是在超級(jí)計(jì)算機(jī)完成數(shù)值天氣預(yù)報(bào)的結(jié)果輸出之后，通過(guò)人工分析各種天氣變化圖表，再結(jié)合氣象衛(wèi)星、雷達(dá)的監(jiān)測(cè)資料，得出預(yù)報(bào)結(jié)論。

預(yù)報(bào)會(huì)商是在預(yù)報(bào)結(jié)論得出之后，經(jīng)過(guò)集體探討，綜合情況考慮，從而得出最終的預(yù)報(bào)結(jié)論。

預(yù)報(bào)產(chǎn)品發(fā)布實(shí)在預(yù)報(bào)會(huì)商之后，通過(guò)廣播、電視、報(bào)紙、網(wǎng)站、新媒體等方式，將最終的天氣預(yù)報(bào)結(jié)論發(fā)布出去，也就是人們最終看到的天氣預(yù)報(bào)。

2.2霧霾現(xiàn)象及成因分析

霧霾就是霧和霾，經(jīng)常有人分不清霧和霾，并將兩者混為一談，但是實(shí)際上兩者之間還有很大的區(qū)別。

霧的主要成分是液態(tài)水和冰晶，液態(tài)水和冰晶會(huì)造成光線的散射，從而降低空氣的透明度，影響能見(jiàn)度。而霾的主要成分除了液態(tài)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(jī)碳?xì)浠衔锏攘Ｗ?。由于霾含有多種可吸入顆粒物，在霾現(xiàn)象嚴(yán)重時(shí)，甚至?xí)霈F(xiàn)顏色，大多為黃色或橙灰色。霾則使大氣嚴(yán)重渾濁，能見(jiàn)度極度惡化的同時(shí)，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(nèi)，將嚴(yán)重危害人們的身體健康，如果長(zhǎng)期吸入，甚至?xí)?dǎo)致死亡。故而“霧霾天氣”在現(xiàn)代天氣預(yù)報(bào)中被作為災(zāi)害性天氣預(yù)警預(yù)報(bào)。

一般來(lái)說(shuō)，霾產(chǎn)生的時(shí)候相對(duì)濕度較小，空氣相對(duì)干燥，而當(dāng)風(fēng)速較小時(shí)，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(yè)排放、垃圾焚燒等。中國(guó)還是一個(gè)發(fā)展中國(guó)家，急劇的工業(yè)化和城市化導(dǎo)致能源迅猛消耗、生態(tài)環(huán)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(guó)霧霾現(xiàn)象越來(lái)越嚴(yán)重，而霧霾天氣的持續(xù)發(fā)生讓每個(gè)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(nèi)，所以預(yù)測(cè)霧霾的產(chǎn)生地點(diǎn)、持續(xù)時(shí)間的工作變得尤其重要，有了精確的預(yù)測(cè)，人們就可以根據(jù)對(duì)霧霾的天氣預(yù)測(cè)來(lái)合理安排自己的生產(chǎn)、生活，選擇最合適的外出時(shí)間和防范措施，有效避免霧霾帶來(lái)的傷害，對(duì)保證人體的健康有著巨大的作用。

2.3建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)霧霾進(jìn)行預(yù)測(cè)

步驟1 初始化。包括對(duì)權(quán)值矩陣W，V賦隨機(jī)值，樣本計(jì)數(shù)器p=1，訓(xùn)練次數(shù)計(jì)數(shù)器q=1，誤差E=0，學(xué)習(xí)率η取0～1之間的數(shù)任意數(shù)，網(wǎng)絡(luò)訓(xùn)練后達(dá)到的精度閾值Emin設(shè)為一較小的正隨機(jī)數(shù)。

步驟2 輸入訓(xùn)練樣本，計(jì)算網(wǎng)絡(luò)隱層神經(jīng)元各節(jié)點(diǎn)的輸出。

利用上述兩式計(jì)算Y和O中的各分量。

步驟3 計(jì)算網(wǎng)絡(luò)輸出誤差。設(shè)共有P對(duì)訓(xùn)練樣本，網(wǎng)絡(luò)對(duì)應(yīng)不同的樣本具有不同的誤差EP，可用其最大者Emax代表網(wǎng)絡(luò)的總誤差，也可以用其均方根誤差作為網(wǎng)絡(luò)的總誤差。

步驟4 計(jì)算出各層誤差值。

步驟5 調(diào)整各層權(quán)值。

應(yīng)用上式計(jì)算W，V中各分量。

步驟6 檢查是否對(duì)所有樣本完成一次訓(xùn)練。若p＜P，計(jì)數(shù)器p，q增1，返回步驟2，否則轉(zhuǎn)到步驟6。

步驟7 檢查網(wǎng)絡(luò)總誤差是否達(dá)到精度要求。當(dāng)用ERME代表網(wǎng)絡(luò)總誤差時(shí)，E=ERME。若E＜Emin，訓(xùn)練結(jié)束，否則E=0，p=1，返回步驟2。

3　實(shí)驗(yàn)及結(jié)果分析

3.1利用歷史數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)天氣預(yù)測(cè)模型

本研究中采用的測(cè)試用的PM 2.5濃度數(shù)據(jù)來(lái)源于2014 年8月加密采樣的43個(gè)監(jiān)測(cè)點(diǎn)觀測(cè)得到的PM 2.5日均質(zhì)量濃度數(shù)據(jù)。為確保BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)PM 2.5濃度的精確度及后續(xù)精度評(píng)價(jià)工作的開(kāi)展，在研究過(guò)程中，隨機(jī)分配上述43組PM 2.5日均質(zhì)量濃度數(shù)據(jù)為2組：即訓(xùn)練樣本集和測(cè)試樣本集，分別占樣本總數(shù)的80%和20%（見(jiàn)表1），其中訓(xùn)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(cè)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(zhì)量濃度

3.2預(yù)測(cè)與分析

由分析可知，霧霾成因與濕度和風(fēng)速有關(guān)，故而，通過(guò)氣象站監(jiān)測(cè)到的風(fēng)速和濕度數(shù)值，可以預(yù)測(cè)霧霾天氣。構(gòu)建出信陽(yáng)市各氣象觀測(cè)站的濕度和風(fēng)速的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并依據(jù)模型預(yù)測(cè)出信陽(yáng)市近一周（2016年7月29日—8月4日）的168小時(shí)的PM 2.5值。

將a，b，c，d 4個(gè)氣象站檢測(cè)到的風(fēng)速和濕度數(shù)值作為XP，dP值輸入BP神經(jīng)網(wǎng)絡(luò)天氣預(yù)測(cè)模型，得到軟因素回歸調(diào)整系數(shù)。具體處理結(jié)果如表2所示。

表2　4個(gè)氣象觀測(cè)站的濕度和風(fēng)速的軟因素回歸系數(shù)

對(duì)于近7日的PM 2.5預(yù)測(cè)值同真實(shí)值的平均絕對(duì)誤差、重合次數(shù)以及重合率對(duì)比結(jié)果如表3所示。

表3　PM 2.5預(yù)測(cè)值同真實(shí)值的相關(guān)信息對(duì)比

從表3中的實(shí)驗(yàn)數(shù)據(jù)分析可知，從2016年7月29日—8月4日對(duì)信陽(yáng)市PM 2.5數(shù)值的預(yù)測(cè)值同真實(shí)值重合次數(shù)及重合率基本上是下降的。從表中的平均絕對(duì)誤差值也可看出，每天的平均絕對(duì)誤差值基本上呈正比例升高，這兩者均說(shuō)明預(yù)測(cè)周期越長(zhǎng)，其預(yù)測(cè)精度越低。

4　結(jié)語(yǔ)

BP神經(jīng)網(wǎng)絡(luò)作為按照誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練出的多層前饋網(wǎng)絡(luò)，具有超強(qiáng)的學(xué)習(xí)能力和高速尋求優(yōu)化解的能力，借助這些能力，根據(jù)城市的實(shí)際氣象要素?cái)?shù)據(jù)，構(gòu)建出的天氣預(yù)測(cè)模型具有很高的精確度。利用基于BP神經(jīng)網(wǎng)絡(luò)的天氣預(yù)測(cè)模型對(duì)大氣中的PM 2.5濃度進(jìn)行預(yù)測(cè)，在不停地實(shí)驗(yàn)和訓(xùn)練中不斷改進(jìn)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，能彌補(bǔ)傳統(tǒng)天氣預(yù)報(bào)系統(tǒng)算法的不足之處，提高天氣預(yù)測(cè)的精確度。

[1]張人禾，李強(qiáng)，張若楠.2013年1月中國(guó)東部持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件分析[J].中國(guó)科學(xué)（地球科學(xué)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(diǎn)項(xiàng)目；項(xiàng)目編號(hào)：2017-JSJYZD-25。

張言言（1994— ），女，河南周口，本科；研究方向：預(yù)測(cè)理論。