[发明专利]一种基于深度学习的大气能见度集成预报方法

说明书

本发明涉及一种基于深度学习的大气能见度集成预报方法，包括收集相关地区的历史气象观测资料，重建该地区能见度资料；利用WRF‑Chem模式进行该地区气象要素和空气质量的回报；利用IMPROVE算法、神经网络算法和随机森林算法分别反演能见度；对预测反演所得的能见度进行集成，实现该地区能见度的集合预报，综合评价具有较高命中率，和较低虚报率和漏报率的集成预报方案的预报效果最好；提升相关地区冬季能见度预测能力，对于人民生命财产和社会经济发展都具有重要的理论意义和实用价值。

技术领域

本发明属于大气能见度预测领域，尤其涉及基于深度学习的大气能见度集成预报的方法。

背景技术

近年来，我国霾污染日益严重，雾霾在北京、上海和广州等的环境中均被观测到，且连续出现，呈现出明显的区域性特征。由雾霾引起的低能见度天气影响越来越突出，因能见度下降引起的交通、航运事故和航班延误事件更是居高不下。不仅带来了重大的经济损失，同时严重影响人们的生活；而且，其形成的稳定大气层会使得空气污染物难以散开，使城市的污染状况加重，影响人体的健康安全。

美国国家大气研究中心(NCAR)联合美国太平洋西北国家实验室(UCAR)、大气管理局(NOAA)和美国国家海洋等组织联合开发了气象-化学耦合模式(Weather Research andForecast Model Coupled withChemistry，WRF-Chem)，它是一种在线全耦合系统，包括多尺度模式系统和多过程模式系统。通过使用在线耦合技术解决了气象场的时间插值问题，一定程度上减少了大气过程的信息丢失，有利于模拟高分辨率的空气质量状况。

能见度反映了大气的透明程度。航空界定义能见度为：通过正常视力能看清楚当时天气条件下目标轮廓的最大距离。能见度成因复杂，尤其是低能见度天气的发生发展，不仅与天气形势和大气环流有关，同时也受地理地形、气候环境、人类活动等诸多因素影响，局地性强，预报难度大；沙尘暴、降雨、雾霾等天气状况都会降低大气的透明度，影响能见度，通常这些情况会降低能见度。当见度过较低时，会影响人们的生产生活，如造成航班延误、增加交通事故、影响出行等。

早期对能见度的预报主要基于天气学方法，通过对其形成条件进行天气学分析和诊断，并结合预报员的经验以及实况外推方法作预报，预报水平和精细化程度不高，满足不了用户对预报服务的需求。

目前，能见度预报主要是天气图分析预报、数值预报和经验预报。在发展了数值预报之后，逐渐研究出数值释用及雾模式预报等。数值释用通过分析污染物浓度及其变化规律后对能见度进行计算的一种的方法。目前这种方法研究缓慢，主要是因为与污染物浓度变化相关的因素太多，且难以掌握这种浓度的变化规律，除此之外，这种方法还要很大的计算量。而雾模式仅有一定的机理分析用途，难以进行实际预报。近年来，机器学习快速崛起，已经成为大数据时代下的技术基石。机器学习是从统计学和人工智能中发展而来，目前的应用非常广泛，主要是对海量数据的潜在价值进行挖掘，提供相关的数据和服务。研究者们引进神经网络、线性与非线性回归及支持向量机等方法进行能见度研究，比如“基于神经网络的广州市能见度预报，梁之彦等，气象研究与应用，2014年3月”分别以径向神经网络和统计回归预报方程预报能见度，验证了径向神经网在能见度低于10km时预报准确率更高；“神经网络方法在环渤海能见度预报中的应用分析，胡海川等，气象科学，2019年01月”利用ECMWF集合预报数据，采用人工神经网络的方法建立的预报模型，实现对环渤海地区沿海城市能见度的客观预报，提高环渤海地区雾霾预报预警服务能力；“基于近似支持向量机的能见度释用预报研究，吴波等，热带气象学报，2017年02月”建立基于近似支持向量机的能见度预报模型，验证了分类回归结合模型的预报效果更好；“SVM方法在霾识别和能见度预报中的应用，郑朝霞等，气象科技进展，2016年12月”将建立了基于SVM的能见度回归预报模型，其中金华及14时的预报模型都取得了不错的效果。这些方法改进能见度预报，但应用成果尚不理想，且在低能见度天气的预报上任然薄弱。

发明内容