[發明專利]一種基于深度學習的大氣能見度集成預報方法

在審

• 申請號: 202011037980.4
• 申請日: 2020-09-28
• 公開（公告）號: CN112180472A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 宗培書;蔡凝昊;孫泓川
• 申請（專利權）人: 南京北極光智能科技有限公司
• 主分類號: G01W1/10
• 分類號: G01W1/10;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 江蘇銀創律師事務所 32242
• 代理人: 何震花

本發明涉及一種基于深度學習的大氣能見度集成預報方法，包括收集相關地區的歷史氣象觀測資料，重建該地區能見度資料；利用WRF?Chem模式進行該地區氣象要素和空氣質量的回報；利用IMPROVE算法、神經網絡算法和隨機森林算法分別反演能見度；對預測反演所得的能見度進行集成，實現該地區能見度的集合預報，綜合評價具有較高命中率，和較低虛報率和漏報率的集成預報方案的預報效果最好；提升相關地區冬季能見度預測能力，對于人民生命財產和社會經濟發展都具有重要的理論意義和實用價值。

技術領域

本發明屬于大氣能見度預測領域，尤其涉及基于深度學習的大氣能見度集成預報的方法。

背景技術

近年來，我國霾污染日益嚴重，霧霾在北京、上海和廣州等的環境中均被觀測到，且連續出現，呈現出明顯的區域性特征。由霧霾引起的低能見度天氣影響越來越突出，因能見度下降引起的交通、航運事故和航班延誤事件更是居高不下。不僅帶來了重大的經濟損失，同時嚴重影響人們的生活；而且，其形成的穩定大氣層會使得空氣污染物難以散開，使城市的污染狀況加重，影響人體的健康安全。

美國國家大氣研究中心(NCAR)聯合美國太平洋西北國家實驗室(UCAR)、大氣管理局(NOAA)和美國國家海洋等組織聯合開發了氣象-化學耦合模式(Weather Research andForecast Model Coupled withChemistry，WRF-Chem)，它是一種在線全耦合系統，包括多尺度模式系統和多過程模式系統。通過使用在線耦合技術解決了氣象場的時間插值問題，一定程度上減少了大氣過程的信息丟失，有利于模擬高分辨率的空氣質量狀況。

能見度反映了大氣的透明程度。航空界定義能見度為：通過正常視力能看清楚當時天氣條件下目標輪廓的最大距離。能見度成因復雜，尤其是低能見度天氣的發生發展，不僅與天氣形勢和大氣環流有關，同時也受地理地形、氣候環境、人類活動等諸多因素影響，局地性強，預報難度大；沙塵暴、降雨、霧霾等天氣狀況都會降低大氣的透明度，影響能見度，通常這些情況會降低能見度。當見度過較低時，會影響人們的生產生活，如造成航班延誤、增加交通事故、影響出行等。

早期對能見度的預報主要基于天氣學方法，通過對其形成條件進行天氣學分析和診斷，并結合預報員的經驗以及實況外推方法作預報，預報水平和精細化程度不高，滿足不了用戶對預報服務的需求。

目前，能見度預報主要是天氣圖分析預報、數值預報和經驗預報。在發展了數值預報之后，逐漸研究出數值釋用及霧模式預報等。數值釋用通過分析污染物濃度及其變化規律后對能見度進行計算的一種的方法。目前這種方法研究緩慢，主要是因為與污染物濃度變化相關的因素太多，且難以掌握這種濃度的變化規律，除此之外，這種方法還要很大的計算量。而霧模式僅有一定的機理分析用途，難以進行實際預報。近年來，機器學習快速崛起，已經成為大數據時代下的技術基石。機器學習是從統計學和人工智能中發展而來，目前的應用非常廣泛，主要是對海量數據的潛在價值進行挖掘，提供相關的數據和服務。研究者們引進神經網絡、線性與非線性回歸及支持向量機等方法進行能見度研究，比如“基于神經網絡的廣州市能見度預報，梁之彥等，氣象研究與應用，2014年3月”分別以徑向神經網絡和統計回歸預報方程預報能見度，驗證了徑向神經網在能見度低于10km時預報準確率更高；“神經網絡方法在環渤海能見度預報中的應用分析，胡海川等，氣象科學，2019年01月”利用ECMWF集合預報數據，采用人工神經網絡的方法建立的預報模型，實現對環渤海地區沿海城市能見度的客觀預報，提高環渤海地區霧霾預報預警服務能力；“基于近似支持向量機的能見度釋用預報研究，吳波等，熱帶氣象學報，2017年02月”建立基于近似支持向量機的能見度預報模型，驗證了分類回歸結合模型的預報效果更好；“SVM方法在霾識別和能見度預報中的應用，鄭朝霞等，氣象科技進展，2016年12月”將建立了基于SVM的能見度回歸預報模型，其中金華及14時的預報模型都取得了不錯的效果。這些方法改進能見度預報，但應用成果尚不理想，且在低能見度天氣的預報上任然薄弱。

發明內容