王海燕

摘 要：將最大熵原理的計(jì)算方法應(yīng)用到氣象雨量預(yù)測中，通過有效的仿真實(shí)驗(yàn)?zāi)軌蜃C明最大熵方法在氣象雨量預(yù)測中的可行性。

關(guān)鍵詞：最大熵算法；BP神經(jīng)網(wǎng)絡(luò)方法；降雨量；雨帶

中圖分類號：P457.6 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-6835（2014）07-0068-01

我國幅員遼闊、地形復(fù)雜，但降水量的空間分布還是有一定規(guī)律性的。受季風(fēng)影響，我國降水量的地域分布總的特征是從東南沿海向西北內(nèi)陸逐漸減少。

我國降水量季節(jié)分配的特點(diǎn)是夏季最多，冬季最少，春、秋季介于兩者之間。大的雨帶一般于5月中旬出現(xiàn)在華南地區(qū)，6月中旬北推至長江流域，7月中旬北推至淮河流域以北，從8月下旬到9月上旬，雨帶開始逐步向南推移。

隨著我國經(jīng)濟(jì)的快速發(fā)展，氣象信息越來越被人們所關(guān)注，無論是個(gè)人的日常生活還是國家的建設(shè)工作都會(huì)考慮氣象因素。向社會(huì)提供準(zhǔn)確、及時(shí)的氣象信息是我們的宗旨，滿足人民對氣象信息的多種需求是我們的目標(biāo)。因此，準(zhǔn)確地對雨量進(jìn)行預(yù)報(bào)有著十分重要的意義。

1 最大熵算法概述

最大熵原理是指當(dāng)我們需要對一個(gè)隨機(jī)事件的概率分布進(jìn)行預(yù)測時(shí)，我們的預(yù)測應(yīng)當(dāng)滿足全部的已知條件，而對于未知的情況不作任何主觀的假設(shè)。在這種情況下，概率分布最均勻，預(yù)測的風(fēng)險(xiǎn)最小。因?yàn)檫@時(shí)概率分布的信息熵最大，所以，人們稱這種模型為“最大熵模型”。這是一個(gè)數(shù)學(xué)原理，指的是指數(shù)函數(shù)的形式，現(xiàn)在只需要確定指數(shù)函數(shù)的參數(shù)就可以了。

最大熵模型作為一個(gè)數(shù)學(xué)模型，有一些特殊的或者是通用的訓(xùn)練方法。影響訓(xùn)練算法性能的重要因素有收斂速度和單次迭代速度。對整體系統(tǒng)狀態(tài)進(jìn)行推斷時(shí)，或許根據(jù)我們所已知的信息無法得到其他內(nèi)容或改變?nèi)魏卧械募僭O(shè)條件，在這個(gè)時(shí)候，我們可以采用一種合理的方法——最大熵算法。

2 常規(guī)氣象雨量預(yù)測

預(yù)測是指人們對未知事物的不確定性行為或狀態(tài)所作出的客觀科學(xué)預(yù)測。在水文和水資源的探索、研究過程中，常規(guī)降雨量是一個(gè)重要的參考量。然而，常規(guī)監(jiān)測手段監(jiān)測的范圍存在廣度小、成本高的問題，而且常規(guī)監(jiān)測只能進(jìn)行點(diǎn)對點(diǎn)的監(jiān)測。

隨著科技的不斷發(fā)展，衛(wèi)星遙感雨量監(jiān)測技術(shù)也在進(jìn)步，現(xiàn)在的監(jiān)測技術(shù)具有監(jiān)測范圍大、不受地形限制的優(yōu)勢。目前，研究雨量預(yù)測的方法主要是基于神經(jīng)網(wǎng)絡(luò)的方法。其主要步驟是：①獲得降雨估算參數(shù)因子。主要參數(shù)因子是與降雨有直接關(guān)系的云參數(shù)和大氣參數(shù)，這些參數(shù)是通過分析云層降雨過程和云層降雨的物理機(jī)理來選取的。②選定參數(shù)因子的數(shù)據(jù)集。③建立降雨量估算模型。首先監(jiān)測實(shí)際降雨數(shù)據(jù)，從中獲取樣本，然后使用人工神經(jīng)網(wǎng)絡(luò)方法搭建網(wǎng)絡(luò)模型。

3 基于最大熵原理在氣象預(yù)測中的應(yīng)用

3.1 最大熵原理應(yīng)用的基本設(shè)想

從最大熵原理出發(fā)，理論數(shù)據(jù)可以很簡單地表明大氣中的

溫度場和氣壓場的分布。溫度場和氣壓場都是均勻分布的。從大氣中隨機(jī)抽取一個(gè)空氣樣品，可能出現(xiàn)的各種溫度所占大氣的質(zhì)量是相等的。形成如此溫度分布的原因是在太陽輻射和大氣對外輻射下，大氣形成一個(gè)溫度場，假設(shè)介質(zhì)界面和外面保持絕緣，只從左右兩邊散發(fā)出熱量，就會(huì)在溫度場上呈現(xiàn)出均勻分布的等溫線。

從最大熵原理出發(fā)可以理解為是被介質(zhì)溫度場所約束的溫度或者是在介質(zhì)中造成的隨機(jī)性溫度的最大分布。

3.2 雨量的主要原理特性

一般來說，降雨是通過云滴形成的。云滴譜是關(guān)于云滴半徑的分布函數(shù)，熵是與分布函數(shù)相聯(lián)系的，同時(shí)，還存在關(guān)于云滴的表面積的分布函數(shù)和云滴的質(zhì)量分布函數(shù)。當(dāng)信息熵達(dá)到極值時(shí)，它所對應(yīng)的云滴變量的分布函數(shù)所對應(yīng)的熵也就得到了極大值。

3.3 初步實(shí)驗(yàn)檢驗(yàn)

我們在Windows系統(tǒng)界面下設(shè)計(jì)了仿真實(shí)驗(yàn)，仿真試驗(yàn)是通過程序模擬來實(shí)現(xiàn)的，在此基礎(chǔ)上我們得到了相對可靠的實(shí)驗(yàn)數(shù)據(jù)。表1為最大熵算法和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雨量預(yù)測方法的對比。

從表1中可以看出，本文提到的最大熵算法在雨量預(yù)測中的準(zhǔn)確率要高于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雨量預(yù)測方法，這說明了最大熵算法的可行性。

4 結(jié)束語

通過有效的仿真實(shí)驗(yàn)，證明了最大熵方法在氣象雨量預(yù)測中的可行性。實(shí)驗(yàn)數(shù)據(jù)表明，該方法在無雨或小雨的時(shí)候，監(jiān)測準(zhǔn)確率較高，降雨量的預(yù)報(bào)效果也很好；但對于中雨以上級別的降雨，該方法的監(jiān)測準(zhǔn)確率就相對低一些，預(yù)報(bào)效果有所降低。在評價(jià)方法中，預(yù)報(bào)的方法可以用于大部分地區(qū)，而對于個(gè)別地區(qū)，需要更深入的分析，并注意大雨級別以上的情況，同時(shí)，還要考察該檢測方法在實(shí)際應(yīng)用中的可行性。

參考文獻(xiàn)

[1]馬鶴年.氣象服務(wù)學(xué)基礎(chǔ)[M].北京：氣象出版社，2009.

〔編輯：王霞〕

摘 要：將最大熵原理的計(jì)算方法應(yīng)用到氣象雨量預(yù)測中，通過有效的仿真實(shí)驗(yàn)?zāi)軌蜃C明最大熵方法在氣象雨量預(yù)測中的可行性。

關(guān)鍵詞：最大熵算法；BP神經(jīng)網(wǎng)絡(luò)方法；降雨量；雨帶

中圖分類號：P457.6 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-6835（2014）07-0068-01

我國幅員遼闊、地形復(fù)雜，但降水量的空間分布還是有一定規(guī)律性的。受季風(fēng)影響，我國降水量的地域分布總的特征是從東南沿海向西北內(nèi)陸逐漸減少。

我國降水量季節(jié)分配的特點(diǎn)是夏季最多，冬季最少，春、秋季介于兩者之間。大的雨帶一般于5月中旬出現(xiàn)在華南地區(qū)，6月中旬北推至長江流域，7月中旬北推至淮河流域以北，從8月下旬到9月上旬，雨帶開始逐步向南推移。

隨著我國經(jīng)濟(jì)的快速發(fā)展，氣象信息越來越被人們所關(guān)注，無論是個(gè)人的日常生活還是國家的建設(shè)工作都會(huì)考慮氣象因素。向社會(huì)提供準(zhǔn)確、及時(shí)的氣象信息是我們的宗旨，滿足人民對氣象信息的多種需求是我們的目標(biāo)。因此，準(zhǔn)確地對雨量進(jìn)行預(yù)報(bào)有著十分重要的意義。

1 最大熵算法概述

最大熵原理是指當(dāng)我們需要對一個(gè)隨機(jī)事件的概率分布進(jìn)行預(yù)測時(shí)，我們的預(yù)測應(yīng)當(dāng)滿足全部的已知條件，而對于未知的情況不作任何主觀的假設(shè)。在這種情況下，概率分布最均勻，預(yù)測的風(fēng)險(xiǎn)最小。因?yàn)檫@時(shí)概率分布的信息熵最大，所以，人們稱這種模型為“最大熵模型”。這是一個(gè)數(shù)學(xué)原理，指的是指數(shù)函數(shù)的形式，現(xiàn)在只需要確定指數(shù)函數(shù)的參數(shù)就可以了。

最大熵模型作為一個(gè)數(shù)學(xué)模型，有一些特殊的或者是通用的訓(xùn)練方法。影響訓(xùn)練算法性能的重要因素有收斂速度和單次迭代速度。對整體系統(tǒng)狀態(tài)進(jìn)行推斷時(shí)，或許根據(jù)我們所已知的信息無法得到其他內(nèi)容或改變?nèi)魏卧械募僭O(shè)條件，在這個(gè)時(shí)候，我們可以采用一種合理的方法——最大熵算法。

2 常規(guī)氣象雨量預(yù)測

預(yù)測是指人們對未知事物的不確定性行為或狀態(tài)所作出的客觀科學(xué)預(yù)測。在水文和水資源的探索、研究過程中，常規(guī)降雨量是一個(gè)重要的參考量。然而，常規(guī)監(jiān)測手段監(jiān)測的范圍存在廣度小、成本高的問題，而且常規(guī)監(jiān)測只能進(jìn)行點(diǎn)對點(diǎn)的監(jiān)測。

隨著科技的不斷發(fā)展，衛(wèi)星遙感雨量監(jiān)測技術(shù)也在進(jìn)步，現(xiàn)在的監(jiān)測技術(shù)具有監(jiān)測范圍大、不受地形限制的優(yōu)勢。目前，研究雨量預(yù)測的方法主要是基于神經(jīng)網(wǎng)絡(luò)的方法。其主要步驟是：①獲得降雨估算參數(shù)因子。主要參數(shù)因子是與降雨有直接關(guān)系的云參數(shù)和大氣參數(shù)，這些參數(shù)是通過分析云層降雨過程和云層降雨的物理機(jī)理來選取的。②選定參數(shù)因子的數(shù)據(jù)集。③建立降雨量估算模型。首先監(jiān)測實(shí)際降雨數(shù)據(jù)，從中獲取樣本，然后使用人工神經(jīng)網(wǎng)絡(luò)方法搭建網(wǎng)絡(luò)模型。

3 基于最大熵原理在氣象預(yù)測中的應(yīng)用

3.1 最大熵原理應(yīng)用的基本設(shè)想

從最大熵原理出發(fā)，理論數(shù)據(jù)可以很簡單地表明大氣中的

溫度場和氣壓場的分布。溫度場和氣壓場都是均勻分布的。從大氣中隨機(jī)抽取一個(gè)空氣樣品，可能出現(xiàn)的各種溫度所占大氣的質(zhì)量是相等的。形成如此溫度分布的原因是在太陽輻射和大氣對外輻射下，大氣形成一個(gè)溫度場，假設(shè)介質(zhì)界面和外面保持絕緣，只從左右兩邊散發(fā)出熱量，就會(huì)在溫度場上呈現(xiàn)出均勻分布的等溫線。

從最大熵原理出發(fā)可以理解為是被介質(zhì)溫度場所約束的溫度或者是在介質(zhì)中造成的隨機(jī)性溫度的最大分布。

3.2 雨量的主要原理特性

一般來說，降雨是通過云滴形成的。云滴譜是關(guān)于云滴半徑的分布函數(shù)，熵是與分布函數(shù)相聯(lián)系的，同時(shí)，還存在關(guān)于云滴的表面積的分布函數(shù)和云滴的質(zhì)量分布函數(shù)。當(dāng)信息熵達(dá)到極值時(shí)，它所對應(yīng)的云滴變量的分布函數(shù)所對應(yīng)的熵也就得到了極大值。

3.3 初步實(shí)驗(yàn)檢驗(yàn)

我們在Windows系統(tǒng)界面下設(shè)計(jì)了仿真實(shí)驗(yàn)，仿真試驗(yàn)是通過程序模擬來實(shí)現(xiàn)的，在此基礎(chǔ)上我們得到了相對可靠的實(shí)驗(yàn)數(shù)據(jù)。表1為最大熵算法和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雨量預(yù)測方法的對比。

從表1中可以看出，本文提到的最大熵算法在雨量預(yù)測中的準(zhǔn)確率要高于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雨量預(yù)測方法，這說明了最大熵算法的可行性。

4 結(jié)束語

通過有效的仿真實(shí)驗(yàn)，證明了最大熵方法在氣象雨量預(yù)測中的可行性。實(shí)驗(yàn)數(shù)據(jù)表明，該方法在無雨或小雨的時(shí)候，監(jiān)測準(zhǔn)確率較高，降雨量的預(yù)報(bào)效果也很好；但對于中雨以上級別的降雨，該方法的監(jiān)測準(zhǔn)確率就相對低一些，預(yù)報(bào)效果有所降低。在評價(jià)方法中，預(yù)報(bào)的方法可以用于大部分地區(qū)，而對于個(gè)別地區(qū)，需要更深入的分析，并注意大雨級別以上的情況，同時(shí)，還要考察該檢測方法在實(shí)際應(yīng)用中的可行性。

參考文獻(xiàn)

[1]馬鶴年.氣象服務(wù)學(xué)基礎(chǔ)[M].北京：氣象出版社，2009.

〔編輯：王霞〕

摘 要：將最大熵原理的計(jì)算方法應(yīng)用到氣象雨量預(yù)測中，通過有效的仿真實(shí)驗(yàn)?zāi)軌蜃C明最大熵方法在氣象雨量預(yù)測中的可行性。

關(guān)鍵詞：最大熵算法；BP神經(jīng)網(wǎng)絡(luò)方法；降雨量；雨帶

中圖分類號：P457.6 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-6835（2014）07-0068-01

我國幅員遼闊、地形復(fù)雜，但降水量的空間分布還是有一定規(guī)律性的。受季風(fēng)影響，我國降水量的地域分布總的特征是從東南沿海向西北內(nèi)陸逐漸減少。

我國降水量季節(jié)分配的特點(diǎn)是夏季最多，冬季最少，春、秋季介于兩者之間。大的雨帶一般于5月中旬出現(xiàn)在華南地區(qū)，6月中旬北推至長江流域，7月中旬北推至淮河流域以北，從8月下旬到9月上旬，雨帶開始逐步向南推移。

隨著我國經(jīng)濟(jì)的快速發(fā)展，氣象信息越來越被人們所關(guān)注，無論是個(gè)人的日常生活還是國家的建設(shè)工作都會(huì)考慮氣象因素。向社會(huì)提供準(zhǔn)確、及時(shí)的氣象信息是我們的宗旨，滿足人民對氣象信息的多種需求是我們的目標(biāo)。因此，準(zhǔn)確地對雨量進(jìn)行預(yù)報(bào)有著十分重要的意義。

1 最大熵算法概述

最大熵原理是指當(dāng)我們需要對一個(gè)隨機(jī)事件的概率分布進(jìn)行預(yù)測時(shí)，我們的預(yù)測應(yīng)當(dāng)滿足全部的已知條件，而對于未知的情況不作任何主觀的假設(shè)。在這種情況下，概率分布最均勻，預(yù)測的風(fēng)險(xiǎn)最小。因?yàn)檫@時(shí)概率分布的信息熵最大，所以，人們稱這種模型為“最大熵模型”。這是一個(gè)數(shù)學(xué)原理，指的是指數(shù)函數(shù)的形式，現(xiàn)在只需要確定指數(shù)函數(shù)的參數(shù)就可以了。

最大熵模型作為一個(gè)數(shù)學(xué)模型，有一些特殊的或者是通用的訓(xùn)練方法。影響訓(xùn)練算法性能的重要因素有收斂速度和單次迭代速度。對整體系統(tǒng)狀態(tài)進(jìn)行推斷時(shí)，或許根據(jù)我們所已知的信息無法得到其他內(nèi)容或改變?nèi)魏卧械募僭O(shè)條件，在這個(gè)時(shí)候，我們可以采用一種合理的方法——最大熵算法。

2 常規(guī)氣象雨量預(yù)測

預(yù)測是指人們對未知事物的不確定性行為或狀態(tài)所作出的客觀科學(xué)預(yù)測。在水文和水資源的探索、研究過程中，常規(guī)降雨量是一個(gè)重要的參考量。然而，常規(guī)監(jiān)測手段監(jiān)測的范圍存在廣度小、成本高的問題，而且常規(guī)監(jiān)測只能進(jìn)行點(diǎn)對點(diǎn)的監(jiān)測。

隨著科技的不斷發(fā)展，衛(wèi)星遙感雨量監(jiān)測技術(shù)也在進(jìn)步，現(xiàn)在的監(jiān)測技術(shù)具有監(jiān)測范圍大、不受地形限制的優(yōu)勢。目前，研究雨量預(yù)測的方法主要是基于神經(jīng)網(wǎng)絡(luò)的方法。其主要步驟是：①獲得降雨估算參數(shù)因子。主要參數(shù)因子是與降雨有直接關(guān)系的云參數(shù)和大氣參數(shù)，這些參數(shù)是通過分析云層降雨過程和云層降雨的物理機(jī)理來選取的。②選定參數(shù)因子的數(shù)據(jù)集。③建立降雨量估算模型。首先監(jiān)測實(shí)際降雨數(shù)據(jù)，從中獲取樣本，然后使用人工神經(jīng)網(wǎng)絡(luò)方法搭建網(wǎng)絡(luò)模型。

3 基于最大熵原理在氣象預(yù)測中的應(yīng)用

3.1 最大熵原理應(yīng)用的基本設(shè)想

從最大熵原理出發(fā)，理論數(shù)據(jù)可以很簡單地表明大氣中的

溫度場和氣壓場的分布。溫度場和氣壓場都是均勻分布的。從大氣中隨機(jī)抽取一個(gè)空氣樣品，可能出現(xiàn)的各種溫度所占大氣的質(zhì)量是相等的。形成如此溫度分布的原因是在太陽輻射和大氣對外輻射下，大氣形成一個(gè)溫度場，假設(shè)介質(zhì)界面和外面保持絕緣，只從左右兩邊散發(fā)出熱量，就會(huì)在溫度場上呈現(xiàn)出均勻分布的等溫線。

從最大熵原理出發(fā)可以理解為是被介質(zhì)溫度場所約束的溫度或者是在介質(zhì)中造成的隨機(jī)性溫度的最大分布。

3.2 雨量的主要原理特性

一般來說，降雨是通過云滴形成的。云滴譜是關(guān)于云滴半徑的分布函數(shù)，熵是與分布函數(shù)相聯(lián)系的，同時(shí)，還存在關(guān)于云滴的表面積的分布函數(shù)和云滴的質(zhì)量分布函數(shù)。當(dāng)信息熵達(dá)到極值時(shí)，它所對應(yīng)的云滴變量的分布函數(shù)所對應(yīng)的熵也就得到了極大值。

3.3 初步實(shí)驗(yàn)檢驗(yàn)

我們在Windows系統(tǒng)界面下設(shè)計(jì)了仿真實(shí)驗(yàn)，仿真試驗(yàn)是通過程序模擬來實(shí)現(xiàn)的，在此基礎(chǔ)上我們得到了相對可靠的實(shí)驗(yàn)數(shù)據(jù)。表1為最大熵算法和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雨量預(yù)測方法的對比。

從表1中可以看出，本文提到的最大熵算法在雨量預(yù)測中的準(zhǔn)確率要高于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雨量預(yù)測方法，這說明了最大熵算法的可行性。

4 結(jié)束語

通過有效的仿真實(shí)驗(yàn)，證明了最大熵方法在氣象雨量預(yù)測中的可行性。實(shí)驗(yàn)數(shù)據(jù)表明，該方法在無雨或小雨的時(shí)候，監(jiān)測準(zhǔn)確率較高，降雨量的預(yù)報(bào)效果也很好；但對于中雨以上級別的降雨，該方法的監(jiān)測準(zhǔn)確率就相對低一些，預(yù)報(bào)效果有所降低。在評價(jià)方法中，預(yù)報(bào)的方法可以用于大部分地區(qū)，而對于個(gè)別地區(qū)，需要更深入的分析，并注意大雨級別以上的情況，同時(shí)，還要考察該檢測方法在實(shí)際應(yīng)用中的可行性。

參考文獻(xiàn)

[1]馬鶴年.氣象服務(wù)學(xué)基礎(chǔ)[M].北京：氣象出版社，2009.

〔編輯：王霞〕