孫海燕,趙 陽,萬太禮
(武漢大學(xué)測繪學(xué)院,湖北 武漢 430079)
?
GIS與小波神經(jīng)網(wǎng)絡(luò)下熱帶氣旋路徑的預(yù)測
孫海燕,趙 陽,萬太禮
(武漢大學(xué)測繪學(xué)院,湖北 武漢 430079)
提出了一種應(yīng)用GIS技術(shù)與神經(jīng)網(wǎng)絡(luò)相結(jié)合進行熱帶氣旋路徑預(yù)測的方法。首先在GIS的時空數(shù)據(jù)庫基礎(chǔ)之上建立熱帶氣旋數(shù)據(jù)庫。針對待預(yù)測的熱帶氣旋,利用GIS的空間分析功能對歷史氣旋數(shù)據(jù)進行篩選形成樣本數(shù)據(jù)。用樣本數(shù)據(jù)對小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練從而完成神經(jīng)網(wǎng)絡(luò)的建模,并利用此模型對熱帶氣旋的路徑進行預(yù)測。試驗表明該方法可以得到較好的預(yù)測結(jié)果。
熱帶氣旋;預(yù)測;GIS;小波神經(jīng)網(wǎng)絡(luò);空間分析
熱帶氣旋路徑預(yù)測的方法主要有數(shù)值預(yù)報法、客觀預(yù)報法[1]。其中數(shù)值預(yù)報依據(jù)大量的氣象數(shù)據(jù),并考慮海洋等多種物理因素作為條件參數(shù)進行路徑預(yù)測。數(shù)值預(yù)報方法的預(yù)測精度較高,但需要較多的實測數(shù)據(jù),非專業(yè)部門應(yīng)用困難??陀^預(yù)報法則以歷史熱帶氣旋數(shù)據(jù)為基礎(chǔ),并應(yīng)用概率論、相似分析、回歸分析及氣候?qū)W持續(xù)性預(yù)報等方法進行預(yù)測[2-3],在熱帶氣旋預(yù)測中取得了較好的應(yīng)用。由于熱帶氣旋運動與其影響因素之間是高度非線性關(guān)系,建立它們之間的數(shù)學(xué)模型比較困難,神經(jīng)網(wǎng)絡(luò)是一種易于應(yīng)用的方法。神經(jīng)網(wǎng)絡(luò)是一門非線性科學(xué),具有自學(xué)習(xí)、自組織、自適應(yīng)和容錯性等優(yōu)點。經(jīng)過改進的BP神經(jīng)網(wǎng)絡(luò)已經(jīng)在熱帶氣旋預(yù)報中取得了一定的成果。周曾奎等[4]給出了應(yīng)用改進的BP神經(jīng)網(wǎng)絡(luò)判定熱帶氣旋的移向趨勢的方法。邵利民等[5]提出了一種利用CLIPER篩選因子來改進BP網(wǎng)絡(luò)預(yù)報熱帶氣旋路徑的方法。俞善賢等[6]提出了基于RBF的逐步選取因子的算法,并同BP、LM等不同類型的神經(jīng)網(wǎng)絡(luò)作了對比試驗。同時,GIS技術(shù)在熱帶氣旋分析和預(yù)報服務(wù)中也得到一定應(yīng)用。鄒亮等[7]提出了基于GIS空間分析方法的關(guān)鍵點相似度法,并據(jù)此結(jié)合臺風(fēng)移向移速建立了一個預(yù)測臺風(fēng)路徑趨勢的數(shù)學(xué)模型??琢钅萚1]針對熱帶氣旋關(guān)鍵點與路徑相似性標準探討了基于GIS的熱帶氣旋路徑相似預(yù)測方法。
目前應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測氣旋路徑的試驗,一般采用把整個熱帶氣旋樣本庫隨機選取一部分用來訓(xùn)練網(wǎng)絡(luò),剩下一部分用作網(wǎng)絡(luò)測試,用訓(xùn)練好的網(wǎng)絡(luò)對此后所有的氣旋進行預(yù)測。由于生成于不同位置與季節(jié)的氣旋的運動路徑有很大的不同,不考慮這些因素而選取訓(xùn)練樣本可能導(dǎo)致網(wǎng)絡(luò)的復(fù)雜度大大提高,降低預(yù)報精度。
由于同一季節(jié)位置相近的熱帶氣旋的運動路徑有很高的相似性,本文提出一種應(yīng)用GIS空間分析與神經(jīng)網(wǎng)絡(luò)預(yù)測相結(jié)合的熱帶氣旋路徑預(yù)測方法。即根據(jù)待分析氣旋當(dāng)前的時間、地點,應(yīng)用GIS空間分析對歷史熱帶氣旋數(shù)據(jù)庫進行篩選,建立訓(xùn)練神經(jīng)網(wǎng)絡(luò)的氣旋樣本,用此樣本訓(xùn)練建立針對當(dāng)前氣旋的神經(jīng)網(wǎng)絡(luò)模型,并用此模型對該氣旋的路徑進行預(yù)測。由于這種方法不依賴于實測的氣象、海洋等數(shù)據(jù),對于熱帶氣旋的災(zāi)害預(yù)防與災(zāi)前準備有一定的應(yīng)用價值。
1.熱帶氣旋空間數(shù)據(jù)庫建立
從中央氣象局熱帶氣旋資料中心下載熱帶氣旋最佳路徑數(shù)據(jù)集[8-9],截至目前該中心提供了1949—2013年以來西北太平洋(含南海,赤道以北,東經(jīng)180°以西)海域熱帶氣旋每6 h的熱帶氣旋信息。主要包括熱帶氣旋編號、熱帶氣旋路徑預(yù)報時刻、強度標記、經(jīng)緯度、中心最低氣壓及預(yù)報時刻2 min平均近中心最大風(fēng)速等信息。數(shù)據(jù)集以文本形式存在,對數(shù)據(jù)集進行解析,建立熱帶氣旋點要素數(shù)據(jù)集和熱帶氣旋路徑要素數(shù)據(jù)集,存入基于GIS的時空數(shù)據(jù)庫[10]中,形成歷史熱帶氣旋數(shù)據(jù)庫。
從中央氣象臺氣象災(zāi)害預(yù)警模塊中可以得到待分析氣旋最近的時間與位置,以此作為篩選樣本數(shù)據(jù)的依據(jù)和預(yù)測計算的初始值。
2.相似路徑篩選
陳聯(lián)壽在《西太平洋熱帶氣旋概論》一書中指出了判斷熱帶氣旋相似常用的相似標準主要有季節(jié)相似、地理相似和移向移速相似[11]。本文概括為利用時間相似性和空間相似性對樣本進行篩選。其中時間相似性是指在相似的季節(jié)里大氣環(huán)流具有一些相似的規(guī)律,這些氣象因素影響著熱帶氣旋的移動路徑??臻g相似性是指相似的空間位置保證了相似的地理環(huán)境,而這些地形因素也對熱帶氣旋的移動路徑產(chǎn)生著影響。
首先基于時間相似性理論,通過待預(yù)測熱帶氣旋路徑的時間信息對歷史熱帶氣旋數(shù)據(jù)庫進行篩選。以待預(yù)測路徑當(dāng)前時間點的前后各45 d作為時間跨度,選擇歷年在此時間跨度內(nèi)的歷史熱帶氣旋點要素數(shù)據(jù)。
然后基于空間相似性理論,對待分析熱帶氣旋路徑進行緩沖區(qū)分析,緩沖區(qū)半徑設(shè)定為500 km。將得到的緩沖區(qū)范圍與上一步篩選出的歷史熱帶氣旋數(shù)據(jù)進行疊置分析作進一步篩選,得到待預(yù)測熱帶氣旋路徑的歷史相似數(shù)據(jù),并以此數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)據(jù)。
經(jīng)過篩選得到的數(shù)據(jù)提高了神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的質(zhì)量,同時訓(xùn)練樣本的數(shù)量對預(yù)測的結(jié)果也起著相當(dāng)重要的作用,因此當(dāng)?shù)玫降臉颖緮?shù)據(jù)過少時可適當(dāng)增加篩選的時間跨度和空間跨度。
3.小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立
小波神經(jīng)網(wǎng)絡(luò)是基于小波分析理論所構(gòu)造的一種新型人工神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)以BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)為基礎(chǔ),用小波基函數(shù)取代通常的非線性Sigmoid函數(shù)作為其隱含層節(jié)點的傳遞函數(shù)。相較于BP網(wǎng)絡(luò),小波神經(jīng)網(wǎng)絡(luò)的預(yù)測速度快,泛化性能好,預(yù)測精度較高。限于篇幅,小波神經(jīng)網(wǎng)絡(luò)的基本原理本文不再贅述。
由于訓(xùn)練過程中采用目標預(yù)測時刻的前面連續(xù)4個時刻的氣旋數(shù)據(jù)進行預(yù)測,因此將疊置分析得到的熱帶氣旋路徑點要素數(shù)據(jù)以熱帶氣旋編號作為主關(guān)鍵字,發(fā)生時間作為次關(guān)鍵字進行排序。依次取相鄰的5條記錄組成一個序列,根據(jù)熱帶氣旋編號判斷5條記錄是否屬于同一熱帶氣旋,并根據(jù)發(fā)生時間判斷相鄰點之間的時間間隔是否為6 h,只有隸屬于同一熱帶氣旋并且相鄰記錄之間的時間間隔全部為6 h,則此序列為需要的序列,選擇前4條記錄中的位置信息(經(jīng)度值和緯度值)作為輸入數(shù)據(jù),最后1條記錄的位置信息(經(jīng)度值或緯度值)作為輸出數(shù)據(jù)。
本文對熱帶氣旋路徑預(yù)測的經(jīng)度和緯度獨立預(yù)測,然后將預(yù)測結(jié)果進行合成。小波神經(jīng)網(wǎng)絡(luò)分為輸入層、隱含層和輸出層3層,網(wǎng)絡(luò)結(jié)構(gòu)為8-16-1。其中輸入層有8個節(jié)點,分別記為X1~X8,表示預(yù)測時間節(jié)點的前4個時間點的位置信息(經(jīng)度值和緯度值);輸出層有1個節(jié)點,記為Y,表示網(wǎng)絡(luò)預(yù)測的經(jīng)度值或緯度值;隱含層有16個節(jié)點,由小波數(shù)構(gòu)成。根據(jù)預(yù)測誤差不斷修正網(wǎng)絡(luò)的權(quán)值和小波基函數(shù)的參數(shù),直至到滿足訓(xùn)練終止條件。
本文采用的小波基函數(shù)是應(yīng)用較為廣泛的Morlet母小波基函數(shù),其公式為
y=cos(1.75x)e-x2/2
(1)
網(wǎng)絡(luò)的權(quán)值和參數(shù)修正采用增加動量項的方法來提高學(xué)習(xí)效率。
最后用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)預(yù)測待分析熱帶氣旋路徑。預(yù)測更長時間的經(jīng)緯度信息的方法類似,即在隸屬于同一熱帶氣旋的基礎(chǔ)上,使輸出層節(jié)點與輸入層的最后一個位置信息之間的時間間隔為需要預(yù)測的時間長度(如12 h、18 h、24 h等)。
基于GIS和小波神經(jīng)網(wǎng)絡(luò)預(yù)測熱帶氣旋路徑的整個流程如圖1所示。
圖1 基于GIS和小波神經(jīng)網(wǎng)絡(luò)的預(yù)測流程
文中隨機選擇了5條不同熱帶氣旋路徑做預(yù)測試驗。選擇的標準是盡可能包含不同強度、不同走向和不同位置的路徑,以同樣的試驗方法分別預(yù)測了6—24 h的熱帶氣旋路徑中心位置,預(yù)測結(jié)果見表1。
表1 熱帶氣旋路徑預(yù)測結(jié)果
本文基于GIS和小波神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)測方法,預(yù)測結(jié)果精度滿足相關(guān)預(yù)報領(lǐng)域規(guī)定的精度要求。文獻[12]提出的BP神經(jīng)網(wǎng)絡(luò)預(yù)測氣旋路徑的方法,其12 h和24 h的預(yù)測平均絕對誤差分別約為83.5 km和157.9 km,文獻[5]中提出的應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)報氣旋路徑的24 h的預(yù)測平均絕對誤差為147.7 km??梢钥闯?,本文預(yù)測結(jié)果精度與其大體相當(dāng),并有所提高,取得了較為理想的結(jié)果。并且由于本文試驗方法是針對待預(yù)測熱帶氣旋選擇特定的訓(xùn)練樣本,因此該方法對不同熱帶氣旋具有較好的適用性。
以1307號超強熱帶氣旋“蘇力”為例對預(yù)測結(jié)果進行展示?!疤K力”熱帶氣旋發(fā)生于2013年7月,是近些年登陸我國強度最大的熱帶氣旋之一,分別于7月13日03時和7月13日16時分別登陸臺灣省和福建省,給臺灣和大陸沿海經(jīng)濟和人身財產(chǎn)安全帶來嚴重的影響。
本文預(yù)測了7月10日2時至7月14日2時共17個時刻的熱帶氣旋路徑的經(jīng)緯度信息。其中6 h預(yù)測時長的預(yù)測結(jié)果見表2。
表2 1307號熱帶氣旋6小時預(yù)測時間間隔的路徑預(yù)測結(jié)果 (°)
根據(jù)待預(yù)測點的經(jīng)緯度信息,將經(jīng)緯度誤差轉(zhuǎn)換為實地距離,得到1307號熱帶氣旋路徑中心位置6 h的平均絕對誤差為33.54 km。圖2展示了1307號熱帶氣旋從7月10日2:00—7月14日2:00共17個時刻的預(yù)測間隔為6 h路徑預(yù)測結(jié)果,其中實線部分代表真實的熱帶氣旋路徑,虛線部分則表示預(yù)測路徑。圖3展示了1307號熱帶氣旋7月12日2時之后24 h內(nèi)的預(yù)測結(jié)果。其中虛線所表示的預(yù)測路徑上的節(jié)點分別展現(xiàn)了這一時刻之后的6 h、12 h、18 h和24 h的路徑預(yù)測信息。
本文設(shè)計并實現(xiàn)了基于GIS分析與小波神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)測試驗。基于相似理論并應(yīng)用GIS時空數(shù)據(jù)庫與GIS分析技術(shù)對樣本進行篩選,保證了神經(jīng)網(wǎng)絡(luò)預(yù)測樣本的質(zhì)量,同時也極大提高了樣本篩選的效率,加強了試驗方法對于不同熱帶氣旋預(yù)測的適用性。
圖2 1307號熱帶氣旋6 h預(yù)測時間間隔的路徑預(yù)測結(jié)果
圖3 1307號熱帶氣旋7月12日2:00 24 h內(nèi)預(yù)測路徑
文中應(yīng)用小波神經(jīng)網(wǎng)絡(luò)對熱帶氣旋路徑進行預(yù)測的模型簡單,對預(yù)測所需數(shù)據(jù)要求極低,僅需用到歷史熱帶氣旋的位置和時間信息,方便應(yīng)用。
當(dāng)然,系統(tǒng)模型及試驗方法還有待進一步完善。如本文應(yīng)用的預(yù)測模型僅用到歷史熱帶氣旋的位置信息,一方面模型簡單方便應(yīng)用,另一方面又損失了諸如熱帶氣旋中心氣壓、近中心最大風(fēng)速等因素對路徑預(yù)測的影響。同時,熱帶氣旋的強度信息在熱帶氣旋預(yù)報中也占有重要地位,接下來的研究方向主要有進一步優(yōu)化預(yù)測模型,結(jié)合熱帶氣旋路徑與強度進行綜合預(yù)測等。
[1] 孔令娜.基于GIS的熱帶氣旋路徑相似法預(yù)測的研究[D].長沙:中南大學(xué),2012.
[2] 黃小燕,金龍.條件數(shù)在臺風(fēng)移動路徑預(yù)報中的應(yīng)用[J].自然災(zāi)害學(xué)報,2007,16(3):35-40.
[3] HIRAOKA T, MSAEDA H, IKOMA N.Two-stage Prediction Method of Typhoon Position by Fuzzy Modeling-fusion of Outline Prediction and Detailed Prediction [C]∥Proceedings of IEEE International Conference on Systems, Man and Cybernetics.Tobyo:IEEE,1999.
[4] 周曾奎,韓桂榮,朱定真,等.人工神經(jīng)網(wǎng)絡(luò)臺風(fēng)預(yù)報系統(tǒng)[J].氣象,1996,22(1):18-21.
[5] 邵利民,傅剛,曹祥村,等.BP神經(jīng)網(wǎng)絡(luò)在臺風(fēng)路徑預(yù)報中的應(yīng)用[J].自然災(zāi)害學(xué)報,2009,18(6):104-111.
[6] 俞善賢,鐘元,滕衛(wèi)平.熱帶氣旋路徑人工神經(jīng)元預(yù)報方法對比試驗研究[J].熱帶氣象學(xué)報,2004, 20(5):523-529.
[7] 鄒亮,任愛珠,徐峰,等.基于GIS空間分析的臺風(fēng)路徑預(yù)測[J].清華大學(xué)學(xué)報,2008,48(12):2036-2040.
[8] YING M, ZHANG W, YU H, et al.2014: An Overview of the China Meteorological Administration Tropical Cy-clone Database[J].Atmos.Oceanic Technol,2014(31):287-301.
[9] CMA Tropical Cyclone Data Center.CMA Tropical Cyclone Best Track Dataset[DB/OL].[2014-11-06].tcdata.typhoon.gov.cn.
[10] 龔健雅,李小龍,吳華意.實時GIS時空數(shù)據(jù)模型[J].測繪學(xué)報, 2014,43(3):226-275.
[11] 陳聯(lián)壽,丁一匯.西太平洋臺風(fēng)概論[M].北京:科學(xué)出版社,1979:1-2.
[12] 呂慶平,羅堅,朱坤,等.基于人工神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)報試驗[J].廣東氣象,2009,31(1):15-18.
Tropical Cyclone Track Forecasting Based on GIS and Wavelet Neural Network
SUN Haiyan,ZHAO Yang,WAN Taili
孫海燕,趙陽,萬太禮.GIS與小波神經(jīng)網(wǎng)絡(luò)下熱帶氣旋路徑的預(yù)測[J].測繪通報,2015(7):54-57.
10.13474/j.cnki.11-2246.2015.0210
2014-11-06
國家科技支撐計劃 (2011BAK07B02);國家自然科學(xué)基金(91024032)
孫海燕(1960—),男,教授,主要研究方向為災(zāi)害監(jiān)測與應(yīng)急管理、測量數(shù)據(jù)處理。E-mail:595087300@qq.com
P208
:B
:0494-0911(2015)07-0054-04