廣西大風(fēng)短臨預(yù)報預(yù)警方法的研究與應(yīng)用

周冬靜，卓健，毛家燊，陳少斌，蘇彥，郭彬，奉意杰，蔣亞平，趙麗萍

（崇左市氣象局，廣西崇左 532200）

大風(fēng)致災(zāi)性高，容易造成較大的經(jīng)濟損失和人員傷亡［1］。目前有關(guān)大風(fēng)的研究主要集中在個例分析和成因分析上［2-8］，大風(fēng)短臨預(yù)報的準確率偏低［9］。造成大風(fēng)短臨預(yù)報預(yù)警存在較大困難的主要原因：第一，強對流天氣系統(tǒng)的中小尺度結(jié)構(gòu)和發(fā)展機理研究仍是當(dāng)前強對流天氣研究中的難點，大風(fēng)形成的各種尺度系統(tǒng)和氣象條件相互影響，錯綜復(fù)雜，瞬發(fā)性高、局地性強，留給預(yù)報員預(yù)判到發(fā)出預(yù)警的反應(yīng)時間非常有限，預(yù)報難度大；第二，在日常業(yè)務(wù)工作中，預(yù)報員根據(jù)所掌握的理論知識和經(jīng)驗，依據(jù)天氣雷達和其他探測資料對大風(fēng)天氣進行預(yù)報預(yù)警，預(yù)報員的主觀經(jīng)驗差異對預(yù)報結(jié)果影響比較大；第三，此前多種研究表明，概率越低的天氣越難預(yù)報，在強對流天氣事件中，大風(fēng)發(fā)生概率較低，這也是大風(fēng)短臨預(yù)報困難的客觀原因。

崇左短臨預(yù)報預(yù)警創(chuàng)新團隊利用人工智能技術(shù)開發(fā)了一系列短臨預(yù)報預(yù)警產(chǎn)品，其中廣西大風(fēng)短臨預(yù)報預(yù)警系統(tǒng)是為解決實際業(yè)務(wù)中提高大風(fēng)預(yù)報的準確率和大風(fēng)預(yù)警的有效提前量問題而研發(fā)的子系統(tǒng)。該系統(tǒng)經(jīng)過業(yè)務(wù)試運行和產(chǎn)品檢驗，經(jīng)評估具有較好的預(yù)報準確率和提前量。

1 數(shù)據(jù)和產(chǎn)品

廣西大風(fēng)短臨預(yù)報預(yù)警系統(tǒng)集實況監(jiān)控、預(yù)報和預(yù)警于一體，使用來源于全國綜合氣象信息系統(tǒng)（CIMISS）的2017—2018年廣西全區(qū)所有4要素以上自動站觀測數(shù)據(jù)進行建模。系統(tǒng)于2019年6月建成并開始業(yè)務(wù)試運行，產(chǎn)品包括逐6 min更新發(fā)布廣西各自動站0～1 h發(fā)生藍色預(yù)警大風(fēng)和黃色預(yù)警大風(fēng)的概率預(yù)報產(chǎn)品。該系統(tǒng)根據(jù)廣西大風(fēng)預(yù)警信號發(fā)布的業(yè)務(wù)規(guī)定，模擬預(yù)報服務(wù)人員發(fā)布大風(fēng)預(yù)警信號的行為方式，選擇最優(yōu)TS模型給出0～6 h各市縣所轄區(qū)域發(fā)布大風(fēng)藍色和黃色預(yù)警建議。圖1為2019年8月13日15：36（北京時，下同）系統(tǒng)自動讀取和生成的廣西風(fēng)實況和0～1 h大風(fēng)概率預(yù)報預(yù)警系統(tǒng)界面。

圖1 2019年8月13日15：36的系統(tǒng)界面顯示

2 方法

廣西大風(fēng)短臨預(yù)報預(yù)警方法的研究基于機器學(xué)習(xí)和人工智能技術(shù)。本研究主要介紹用概率論、數(shù)理統(tǒng)計和信息論的知識對自動站大量歷史數(shù)據(jù)進行數(shù)據(jù)挖掘的方法。

2.1 馬爾科夫假設(shè)與馬爾科夫鏈

概率論對隨機變量的研究發(fā)展到對隨機過程的研究之后，為解決隨機過程由于多維度變量的不確定性造成的復(fù)雜度過高導(dǎo)致難于進行研究，馬爾科夫提出了一種簡化問題的假設(shè)，即隨機過程中各個狀態(tài)St的概率分布，只與它的前一個狀態(tài)St-1有關(guān)，這一假設(shè)的提出使得以前許多不好解決的問題給出了近似解。這個假設(shè)被命名為馬爾科夫假設(shè)，符合這個假設(shè)的隨機過程則成為馬爾科夫過程，也被稱為馬爾科夫鏈。兩狀態(tài)馬爾科夫鏈可以用圖2表示，其中S0、S1為不同狀態(tài)，下一個時次狀態(tài)不變化時稱為狀態(tài)自旋，狀態(tài)發(fā)生變化稱為狀態(tài)轉(zhuǎn)移，P10、P01為不同狀態(tài)的轉(zhuǎn)移概率，P00、P11為不同狀態(tài)的自旋概率。

圖2 兩狀態(tài)的馬爾科夫鏈

廣西大風(fēng)短臨預(yù)報預(yù)警方法的研究正是基于馬爾科夫簡化問題的假設(shè)思路。本研究假設(shè)選定的預(yù)報因子對預(yù)報結(jié)果是獨立影響，而且預(yù)報結(jié)果只與預(yù)報因子上一時次的狀態(tài)有關(guān)。

2.2 用信息熵公式篩選預(yù)報因子

信息熵是對變量不確定性的量化，要消除變量不確定性所需要的信息量越多，信息熵的值就越大。信息熵（H）的公式可以寫為

如某地有或無大風(fēng)是等概率事件P=1/2，大風(fēng)的熵為

實際上，大風(fēng)天氣是一個小概率事件。從本研究用于建模的數(shù)據(jù)統(tǒng)計發(fā)現(xiàn)，廣西某地出現(xiàn)藍色大風(fēng)以上級別的事件的概率為0.004，非大風(fēng)概率為0.996，根據(jù)信息熵公式可知，大風(fēng)的熵

假如通過引入其他額外信息能有效減少大風(fēng)的信息熵，則可以說明引入的這個額外信息是有效的信息，有助于業(yè)務(wù)人員做大風(fēng)預(yù)報。假設(shè)以X代表大風(fēng)，增加的有效信息用Y表示，那么X和Y一起出現(xiàn)的概率為聯(lián)合概率分布，在Y取不同值的前提下X的概率分布稱為條件概率分布，此時定義條件熵（Conditional Entropy）：

信息論創(chuàng)始人香農(nóng)（Claude Shannon）對X和Y是兩個隨機事件相關(guān)性提出了一個用于量化度量的概念：互信息（mutual information），互信息定義見式（3），互信息就是熵 H（X）和條件熵H（X|Y）的差異（式（4））：

尋找一種使用自動站觀測數(shù)據(jù)作為預(yù)報因子的大風(fēng)預(yù)報方法，做出這種選擇的理由主要是由于自動站觀測數(shù)據(jù)量大，適合使用數(shù)據(jù)挖掘方法建模。作為一種簡化處理手段，本研究假設(shè)預(yù)報因子是有效的信息，預(yù)報因子對預(yù)報結(jié)果是獨立影響。建模首先將2017—2018所有廣西四要素自動站的所有觀測數(shù)據(jù)，逐一計算不同信息的引入對測站下一時次大風(fēng)信息熵的縮減量，通過計算，認為陣風(fēng)和平均風(fēng)力數(shù)據(jù)適合用來作為進行大風(fēng)概率預(yù)報的預(yù)報因子。

2.3 構(gòu)建廣西大風(fēng)概率預(yù)報的統(tǒng)計模型

本研究把歷史風(fēng)力數(shù)據(jù)（共計30 529 816個樣本）按陣風(fēng)和平均風(fēng)分開統(tǒng)計和計算。藍色預(yù)警大風(fēng)的標準為平均風(fēng)力10.8～13.8 m/s，或者陣風(fēng)13.9～17.1 m/s；黃色預(yù)警大風(fēng)的標準為平均風(fēng)力 17.2～20.7 m/s，或者陣風(fēng) 20.8～24.4 m/s。在建模時，在0～24.5 m/s風(fēng)力范圍內(nèi)，按0.1 m/s的等距分別統(tǒng)計歷史上246個不同陣風(fēng)和平均風(fēng)風(fēng)力對應(yīng)下一時次（未來0～1 h）無大風(fēng)、藍色預(yù)警大風(fēng)、黃色預(yù)警大風(fēng)、橙色預(yù)警大風(fēng)和紅色預(yù)警大風(fēng)的次數(shù)，并以此統(tǒng)計數(shù)據(jù)作為概率預(yù)報的基礎(chǔ)。

2.4 用聯(lián)合概率公式計算預(yù)報概率的方法

1）單站預(yù)報概率。

根據(jù)單站當(dāng)前實況和廣西大風(fēng)概率預(yù)報統(tǒng)計模型的對應(yīng)關(guān)系，利用聯(lián)合概率公式計算單站的大風(fēng)預(yù)報概率。以圖1為例。圖1中有4個站的實況已經(jīng)達到大風(fēng)藍色預(yù)警級別，藍色概率直接記作100%。以N6196站藍色概率29.41%為例介紹單站預(yù)報概率的計算方法。假設(shè)P（A）表示以陣風(fēng)統(tǒng)計的歷史藍色預(yù)警大風(fēng)的概率，P（B）表示以平均風(fēng)統(tǒng)計的歷史藍色預(yù)警大風(fēng)的概率，不出大風(fēng)的概率分別為1-P（A）和1-P（B）。根據(jù)藍色預(yù)警大風(fēng)的定義，利用式（5）計算單站藍色預(yù)警大風(fēng)的概率：

通過計算不出藍色預(yù)警大風(fēng)的聯(lián)合概率，再反向計算至少有一種情況（陣風(fēng)或平均風(fēng)）出大風(fēng)的概率作為單站藍色預(yù)警大風(fēng)的預(yù)報概率。用式（5）計算表 1的數(shù)據(jù)，P（A）=0.293 296，P（B）=0.001 151，P（N6196藍色）=0.294 109。單站出藍色預(yù)警大風(fēng)后系統(tǒng)開始計算黃色概率，計算方法與藍色概率同理。

表1 單站風(fēng)實況對應(yīng)廣西大風(fēng)概率預(yù)報統(tǒng)計模型歷史數(shù)據(jù) 次

2）分縣預(yù)報概率。

分縣預(yù)報概率的計算方法與單站預(yù)報概率相似，都用到了聯(lián)合概率的公式。不同的地方在于，計算單站預(yù)報概率時只是陣風(fēng)統(tǒng)計概率和平均風(fēng)統(tǒng)計概率的二維聯(lián)合概率，計算分縣預(yù)報概率時要用某縣所轄所有四要素區(qū)域站的單站預(yù)報概率來計算聯(lián)合概率。同樣，先逆向計算所有站都不出大風(fēng)的概率，再計算至少有一個站出大風(fēng)的預(yù)報概率作為分縣預(yù)報概率。

2.5 大風(fēng)預(yù)警產(chǎn)品

根據(jù)《廣西壯族自治區(qū)氣象災(zāi)害預(yù)警信號發(fā)布業(yè)務(wù)服務(wù)暫行規(guī)定》（桂氣發(fā)［2008］264號），廣西大風(fēng)預(yù)警采用分縣制作發(fā)布與傳播機制，由各縣預(yù)報服務(wù)人員發(fā)布所轄區(qū)域大風(fēng)預(yù)警信息。本研究模擬人工發(fā)布大風(fēng)預(yù)警信息的流程，對某一區(qū)域達到一定起報閾值后發(fā)布一個指定時段的大風(fēng)預(yù)警信息，并且在有效預(yù)警時段內(nèi)，根據(jù)大風(fēng)概率預(yù)報產(chǎn)品的變化決定是否升級預(yù)警信號，有效預(yù)警結(jié)束后，根據(jù)最新的大風(fēng)概率預(yù)報產(chǎn)品決定是否解除或繼續(xù)發(fā)布預(yù)警信號。根據(jù)這個思路，本研究對大風(fēng)概率預(yù)報產(chǎn)品的全概率模型進行數(shù)據(jù)分析，找出能獲得最優(yōu)TS評分的模型。通過計算，認為只要某縣出現(xiàn)以下情況之一時，系統(tǒng)就自動給出發(fā)布大風(fēng)藍色預(yù)警信號的建議：單站藍色概率達到27%；單站平均風(fēng)達到8.8 m/s；單站陣風(fēng)達到 12.7 m/s；分縣藍色概率達到30%。某縣只要單站或者分縣的黃色概率達到2%，系統(tǒng)就會給出發(fā)布大風(fēng)黃色預(yù)警信號的建議。大風(fēng)預(yù)警信號建議通過文字和地圖上的色塊體現(xiàn)。

3 產(chǎn)品檢驗

3.1 預(yù)報準確率檢驗

系統(tǒng)的預(yù)報準確率用TS指標來檢驗，如表2所示，并做以下2種情況的檢驗對比：

①全時段檢驗。2019年7月11日至2019年9月11日期間，系統(tǒng)對廣西全區(qū)89個縣級臺站所做的所有大風(fēng)藍色預(yù)警和大風(fēng)黃色預(yù)警，用同時段內(nèi)全區(qū)所有4要素以上區(qū)域自動站的大風(fēng)實況進行檢驗分析。

②去除高山站檢驗。由于高山站出現(xiàn)大風(fēng)概率較高，現(xiàn)行業(yè)務(wù)規(guī)定允許各地氣象局不將高山站納入大風(fēng)預(yù)警考核，為檢驗系統(tǒng)在不統(tǒng)計高山站數(shù)據(jù)的情況下的預(yù)報和預(yù)警能力，本研究對2019年7月11日至2019年9月11日期間出現(xiàn)大風(fēng)概率最高的北流和武鳴兩個站的預(yù)警信號做屏蔽處理，從表2可以看出在把高山站屏蔽之后系統(tǒng)預(yù)報準確率有所降低，這也可以看出系統(tǒng)預(yù)報性能符合此前專家得出的概率越小的事件預(yù)報難度越大，預(yù)報準確率越低的結(jié)論。

表2 系統(tǒng)大風(fēng)短時臨近預(yù)報的TS檢驗對比 %

3.2 時效性檢驗

用C表示預(yù)警信號時間提前量，用有效預(yù)警的時間提前量t來檢驗預(yù)警信號的時效性，即預(yù)警信號提前時間總和與應(yīng)發(fā)預(yù)警信號次數(shù)及預(yù)警空報次數(shù)之和的比值。

在2019年7月11日至9月11日期間，去除部分高山站的數(shù)據(jù)后，系統(tǒng)模擬預(yù)報服務(wù)人員發(fā)布0～6 h廣西各市縣大風(fēng)藍色預(yù)警和大風(fēng)黃色預(yù)警信號共計1 652條，如表3所示，其中NA為有提前量的正確預(yù)報站（次）數(shù)、NB為空報站（次）數(shù)、NC為漏報站（次）數(shù)。

表3 系統(tǒng)在2019年7月11至9月11日期間內(nèi)去除部分高山站后的預(yù)警提前量檢驗 次

有效預(yù)警的時間提前量t=14.71 min。從表3中還可以看出，有提前量的預(yù)警NA占實際出大風(fēng)預(yù)警總數(shù)（NA+NC）的 30.65%；提前量＜60 min的預(yù)警（短時臨近大風(fēng)）占有提前量預(yù)警的約2/3。

4 結(jié)論

廣西大風(fēng)短臨預(yù)報預(yù)警系統(tǒng)使用信息論作為理論基礎(chǔ)，采用大數(shù)據(jù)挖掘技術(shù)進行研發(fā)，系統(tǒng)高頻次監(jiān)控實時數(shù)據(jù)，及時更新概率預(yù)報產(chǎn)品，所以對突發(fā)性較高的大風(fēng)能做出有效的預(yù)報和預(yù)警，具有一定的準確率和提前量，適合業(yè)務(wù)運用。

系統(tǒng)模擬預(yù)報服務(wù)人員發(fā)布預(yù)警信號的方式發(fā)布一定時長的預(yù)警信號，在預(yù)警時效內(nèi)根據(jù)數(shù)據(jù)的變化決定是否提升預(yù)警等級，在預(yù)警時效結(jié)束后，根據(jù)最新的數(shù)據(jù)決定是否繼續(xù)發(fā)布預(yù)警信號。通過一年的業(yè)務(wù)試運行，產(chǎn)品穩(wěn)定、更新及時、預(yù)警效果良好。

系統(tǒng)受概率統(tǒng)計方法取樣的局限性和馬爾科夫假設(shè)取近似值的影響不可避免。由于樣本不足（該系統(tǒng)只取了2年的數(shù)據(jù)樣本），只用全區(qū)所有4要素區(qū)域站的大風(fēng)歷史數(shù)據(jù)來籠統(tǒng)地計算和構(gòu)建廣西大風(fēng)概率預(yù)報統(tǒng)計模型，沒有足夠的數(shù)據(jù)支持細化每個鄉(xiāng)鎮(zhèn)級觀測站或者每個縣級站的大風(fēng)概率預(yù)報統(tǒng)計模型。如何在天氣預(yù)報領(lǐng)域利用數(shù)據(jù)挖掘技術(shù)，挖掘海量氣象歷史數(shù)據(jù)的有用信息為實際的氣象預(yù)報服務(wù)，是以后繼續(xù)努力的方向之一。