基于時(shí)空大數(shù)據(jù)及無(wú)線傳感網(wǎng)絡(luò)的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型構(gòu)建?

馬艷梅

(淮南職業(yè)技術(shù)學(xué)院智能與電氣工程學(xué)院，安徽 淮南232001)

復(fù)雜氣象包括風(fēng)切變、雷暴、顛簸、溫度驟變、積冰、霧、云、雨以及風(fēng)沙等惡劣天氣，其對(duì)農(nóng)業(yè)、工業(yè)、交通以及人們的日常生活與生命安全等均會(huì)產(chǎn)生重要影響[1]。因此，監(jiān)測(cè)復(fù)雜氣象，對(duì)其實(shí)施風(fēng)險(xiǎn)預(yù)警具有重要意義。由于復(fù)雜氣象的形成、發(fā)展和時(shí)空分布與地形地貌、生態(tài)景觀及人文環(huán)境等存在緊密聯(lián)系，因此時(shí)間與空間信息對(duì)復(fù)雜氣象的風(fēng)險(xiǎn)預(yù)警具有關(guān)鍵意義[2]。尤其是在全球氣候變化的影響下，自然環(huán)境及人類(lèi)行為對(duì)復(fù)雜氣象形成與發(fā)展的影響越來(lái)越顯著。

文獻(xiàn)[3]提出基于信息分類(lèi)的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型。利用ArcGIS平臺(tái)將研究區(qū)劃分為同等大小的柵格單元，使用信息量法選取9個(gè)影響因素進(jìn)行地質(zhì)環(huán)境敏感性評(píng)價(jià)，基于信息量法的地質(zhì)環(huán)境敏感性分區(qū)客觀合理，結(jié)合有效降雨量構(gòu)建地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警模型。該模型對(duì)單一的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警準(zhǔn)確性較好，但針對(duì)復(fù)雜氣象的動(dòng)態(tài)變化，無(wú)法很好地實(shí)現(xiàn)復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警；文獻(xiàn)[4]提出基于仿歸一化植被指數(shù)法的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型，分析內(nèi)蒙古典型草原歸一化植被指數(shù)的變化，探討不同氣候?qū)w一化植被指數(shù)的影響，構(gòu)建歸一化植被指數(shù)及氣象因子的回歸分析模型。該模型對(duì)復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警的精度較好，但預(yù)警過(guò)程耗時(shí)較長(zhǎng)，效率較差。

3S(RS、GIS、GPS)(remote sensing system、Geographic Information System、Globle Positioning System)技術(shù)逐漸成為從時(shí)間與空間上跟蹤監(jiān)測(cè)復(fù)雜氣象形成與發(fā)展的主要方法，特別是在復(fù)雜氣象動(dòng)態(tài)研究方面，空間大數(shù)據(jù)將其多源、多時(shí)相、多尺度的特性發(fā)揮的更加淋漓盡致[5]。利用無(wú)線傳感網(wǎng)絡(luò)實(shí)現(xiàn)時(shí)空大數(shù)據(jù)的傳輸，利用時(shí)空大數(shù)據(jù)構(gòu)建復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型，改變以往基于信息分類(lèi)的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型單一的預(yù)警方式，實(shí)現(xiàn)快速、實(shí)時(shí)、動(dòng)態(tài)監(jiān)測(cè)預(yù)警的目的[6]，有效提升復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警效果。

1 復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型

1.1 復(fù)雜氣象時(shí)空數(shù)據(jù)信息抽取

1.1.1 基于無(wú)線傳感網(wǎng)絡(luò)的復(fù)雜氣象時(shí)空數(shù)據(jù)傳輸

基于時(shí)空大數(shù)據(jù)及無(wú)線傳感網(wǎng)絡(luò)的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警是對(duì)時(shí)間、空間信息和復(fù)雜氣象信息的多維搜索，檢索并分析這些同空間位置相關(guān)聯(lián)的復(fù)雜氣象信息是基于時(shí)空大數(shù)據(jù)預(yù)警復(fù)雜氣象風(fēng)險(xiǎn)的關(guān)鍵?；跓o(wú)線傳感網(wǎng)絡(luò)[7]，對(duì)復(fù)雜氣象時(shí)空數(shù)據(jù)進(jìn)行傳輸，能夠保證時(shí)空大數(shù)據(jù)的穩(wěn)定、安全傳輸，為構(gòu)建時(shí)空大數(shù)據(jù)模型、實(shí)現(xiàn)復(fù)雜氣象時(shí)空數(shù)據(jù)信息抽取奠定基礎(chǔ)。

1.1.2 面向復(fù)雜氣象的時(shí)空大數(shù)據(jù)模型

以利用類(lèi)與對(duì)象構(gòu)建系統(tǒng)為基本理念，面向?qū)ο蟮臅r(shí)空大數(shù)據(jù)模型具有不受關(guān)系模型標(biāo)準(zhǔn)模式約束的優(yōu)勢(shì)，通過(guò)接收、泛化與組成的處理過(guò)程能夠?qū)崿F(xiàn)時(shí)空大數(shù)據(jù)擴(kuò)展建模[8－9]。根據(jù)建模目的選取不同建模方法，模型結(jié)構(gòu)如圖1所示。

圖1 面向?qū)ο髸r(shí)空大數(shù)據(jù)模型

面向復(fù)雜氣象的時(shí)空大數(shù)據(jù)模型能夠記錄復(fù)雜氣象的插入和波動(dòng)情況，通過(guò)一個(gè)復(fù)雜氣象因子即可反映出該復(fù)雜氣象全部波動(dòng)歷史，針對(duì)時(shí)間的記錄效果更加顯著。

1.1.3 復(fù)雜氣象信息定向抽取

在面向復(fù)雜氣象的時(shí)空大數(shù)據(jù)模型中，采用序列標(biāo)注法和條件隨機(jī)場(chǎng)模型，定向抽取所需復(fù)雜氣象信息。

采用條件隨機(jī)場(chǎng)模型，在復(fù)雜氣象時(shí)空大數(shù)據(jù)模型中標(biāo)注所需復(fù)雜氣象序列信息，用L＝(V，D)描述一幅圖像，V，D分別表示圖像的分辨率，且Z＝(Zv)，由于v∈V，因此Z可表示圖L的頂點(diǎn)。若復(fù)雜氣象定向抽取條件為C，那么條件隨機(jī)場(chǎng)(C，Z)符合:

式中:w、v均為圖L的頂點(diǎn)，w~v為w與v的相鄰節(jié)點(diǎn)。

若c＝{c1，c2，…，cn}和z＝{z1，z2，…，zn}分別為觀察序列和有限狀態(tài)集合，根據(jù)條件隨機(jī)場(chǎng)模型理論，得到:

基于特征轉(zhuǎn)移函數(shù)與狀態(tài)特征函數(shù)，條件隨機(jī)場(chǎng)模型將特征函數(shù)設(shè)定成fj(zi－1，zi，c，i)，結(jié)合對(duì)應(yīng)的標(biāo)注結(jié)果得到:

通過(guò)條件隨機(jī)場(chǎng)模型標(biāo)注復(fù)雜氣象時(shí)空大數(shù)據(jù)模型中所需復(fù)雜氣象信息序列時(shí)，利用條件隨機(jī)場(chǎng)模型編號(hào)文本語(yǔ)料分詞后的各詞標(biāo)記類(lèi)型[10－12]。明確面向復(fù)雜氣象的時(shí)空大數(shù)據(jù)模型中所需復(fù)雜氣象信息觀測(cè)序列利用轉(zhuǎn)移特征函數(shù)與狀態(tài)特征函數(shù)計(jì)算模型中所需復(fù)雜氣象信息特征函數(shù)，確定所需復(fù)雜氣象信息觀測(cè)值的實(shí)際特征，以此作為復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型中預(yù)警等級(jí)預(yù)警限值。

1.2 復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型

采用多級(jí)模糊綜合預(yù)警法可以定量化邊界模糊，定量分析較困難的復(fù)雜氣象因子，但無(wú)法高質(zhì)量的預(yù)警不同強(qiáng)度、不同權(quán)重的復(fù)雜氣象條件[13－14]，為解決這一問(wèn)題，需依照預(yù)警等級(jí)將不同復(fù)雜氣象的時(shí)空數(shù)據(jù)分類(lèi)后，再實(shí)施綜合預(yù)警。

1.2.1 構(gòu)建預(yù)警空間

用G和U分別表示預(yù)警集和因子集，其中不同復(fù)雜氣象因子表示為u1，u2，…un。劃分復(fù)雜氣象預(yù)警等級(jí)由重到輕分為A、B、C和D級(jí)，分別表示特重級(jí)別、嚴(yán)重級(jí)別、較重級(jí)別和一般級(jí)別。復(fù)雜氣象因子不同等級(jí)對(duì)應(yīng)的限值如表1所示。其中，未標(biāo)注單位的數(shù)據(jù)為已轉(zhuǎn)變?yōu)閇0，1]的風(fēng)險(xiǎn)指數(shù)，除雨、雪、霧和風(fēng)沙數(shù)據(jù)中描述的是能見(jiàn)距離型復(fù)雜氣象外，其余均為損傷型復(fù)雜氣象，限值由復(fù)雜氣象因子觀測(cè)值的實(shí)際特征確定。

表1 復(fù)雜氣象因子預(yù)警等級(jí)

1.2.2 計(jì)算隸屬度函數(shù)

復(fù)雜氣象預(yù)警等級(jí)需針對(duì)不同復(fù)雜氣象因子實(shí)測(cè)值實(shí)施單因子預(yù)警。

若hi和yij分別表示第i種復(fù)雜氣象因子實(shí)測(cè)值和第i種復(fù)雜氣象因子第j級(jí)限值，那么:

式中:E為復(fù)雜氣象總風(fēng)險(xiǎn)。

基于E值，采用隸屬法確定復(fù)雜氣象綜合預(yù)警等級(jí)，根據(jù)綜合預(yù)警等級(jí)進(jìn)行復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警[15]。

2 實(shí)證分析

2.1 模型應(yīng)用

在面向復(fù)雜氣象的時(shí)空大數(shù)據(jù)模型中，抽取一次復(fù)雜氣象實(shí)測(cè)值作為實(shí)證分析數(shù)據(jù)，數(shù)據(jù)來(lái)源中國(guó)氣象數(shù)據(jù)網(wǎng)[16]，復(fù)雜氣象實(shí)測(cè)值數(shù)據(jù)如表2所示。

表2 復(fù)雜氣象實(shí)測(cè)值數(shù)據(jù)

①預(yù)警空間

依照不同復(fù)雜氣象因子的實(shí)測(cè)值與所屬預(yù)警等級(jí)，劃分復(fù)雜氣象因子U＝{u1，u2，…u13}為損傷性復(fù)雜氣象因子集和能見(jiàn)度性復(fù)雜氣象因子集，分別用U1和U2表示。

2018年戲曲百戲（昆山）盛典于10月29日拉開(kāi)帷幕，并一直持續(xù)到12月7日。全國(guó)共有120個(gè)戲曲劇種、122家單位的155個(gè)劇目參演。由福建省文化廳組織選送的梨園戲、莆仙戲、高甲戲、打城戲、竹馬戲5個(gè)本土劇種的1部傳統(tǒng)經(jīng)典大戲和6折代表性經(jīng)典折子戲入選此次全國(guó)性戲曲展演，分別是福建省梨園戲傳承中心梨園戲《呂蒙正》、莆仙戲劇院莆仙戲《殺狗記·迎春牽狗》、仙游縣鯉聲藝術(shù)傳承保護(hù)中心莆仙戲《敬德畫(huà)像》、廈門(mén)市金蓮陞高甲劇團(tuán)高甲戲《審陳三·探牢》、晉江市高甲柯派表演藝術(shù)中心高甲戲《騎驢探親》、泉州打城戲傳承中心打城戲《目連救母·代母繞枷》、漳浦縣竹馬戲（薌?。﹤鞒斜Ｗo(hù)中心竹馬戲《唐二別妻》。

其中U1＝{U′11，U′12，U′13，U′14}，分別表示微度、中度、重度和災(zāi)難復(fù)雜氣象因子集。

②計(jì)算不同因子隸屬度及一級(jí)權(quán)重

依照隸屬度函數(shù)與權(quán)重劃分模型計(jì)算不同復(fù)雜氣象因子的隸屬度與權(quán)重預(yù)警值，結(jié)果如表3、表4所示。

表3 微度復(fù)雜氣象因子集隸屬度與權(quán)重預(yù)警值

表4 中度復(fù)雜氣象因子集隸屬度與權(quán)重預(yù)警值

③綜合預(yù)警

依照式(16)計(jì)算一級(jí)預(yù)警權(quán)值矩陣，得到:

依照式(17)計(jì)算U1與U2的預(yù)警分值:

依照式(18)計(jì)算復(fù)雜氣象總風(fēng)險(xiǎn)值，得到:E＝3.13，歸屬于預(yù)警等級(jí)B，為較重復(fù)雜氣象風(fēng)險(xiǎn)，與實(shí)際情況一致。實(shí)證分析結(jié)果表明本文模型能夠準(zhǔn)確預(yù)警復(fù)雜氣象預(yù)警等級(jí)。

2.2 數(shù)據(jù)精度對(duì)比

實(shí)驗(yàn)為測(cè)試本文所設(shè)計(jì)模型中所使用的時(shí)空大數(shù)據(jù)的精度，分別采用本文模型、基于信息分類(lèi)的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型[3]和基于仿歸一化植被指數(shù)法的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型[4]進(jìn)行信息抽取實(shí)驗(yàn)。

對(duì)比三個(gè)模型抽取到復(fù)雜氣象信息中的噪聲含量，結(jié)果如圖2所示。

圖2 不同模型提取信息中的噪聲

分析圖2可得，信息中包含的噪聲將導(dǎo)致信息丟失，提升誤碼率，對(duì)信息的準(zhǔn)確安全產(chǎn)生威脅。本文模型抽取得到的復(fù)雜氣象信息中包含的噪聲，顯著低于其他兩個(gè)模型抽取得到的復(fù)雜氣象信息中的噪聲含量。其中基于信息分類(lèi)的模型抽取的復(fù)雜氣象信息中噪聲含量波動(dòng)較大且噪聲明顯偏高，而基于仿歸一化植被指數(shù)法的模型前20 s抽取的復(fù)雜氣象信息中噪聲含量較小，但20 s之后抽取的信息中噪聲大幅提升，相比之下本文模型抽取的復(fù)雜氣象信息中噪聲含量波動(dòng)較平緩。實(shí)驗(yàn)結(jié)果表明本文模型可以抽取完整、準(zhǔn)確的復(fù)雜氣象信息，提升復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警的精度。

3 結(jié)論

復(fù)雜氣象對(duì)人類(lèi)社會(huì)的影響較為嚴(yán)重，對(duì)其風(fēng)險(xiǎn)實(shí)施預(yù)警具有重要意義。

①本文構(gòu)建基于時(shí)空大數(shù)據(jù)及無(wú)線傳感網(wǎng)絡(luò)的復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型，在面向復(fù)雜氣象的時(shí)空大數(shù)據(jù)模型中抽取復(fù)雜氣象信息作為復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警模型中預(yù)警等級(jí)預(yù)警限值；

②通過(guò)構(gòu)建預(yù)警空間、計(jì)算隸屬度函數(shù)、確定權(quán)重與綜合預(yù)警等過(guò)程預(yù)警確定復(fù)雜氣象綜合預(yù)警等級(jí)，根據(jù)綜合預(yù)警等級(jí)進(jìn)行復(fù)雜氣象風(fēng)險(xiǎn)預(yù)警；

③實(shí)證分析結(jié)果表明本文模型能夠提高預(yù)警等級(jí)的準(zhǔn)確性。