基于人工神经网络的城区气象要素预测方法研究

张言言，刘道华

（信阳师范学院 计算机与信息技术学院，河南 信阳 464000）

基于人工神经网络的城区气象要素预测方法研究

张言言，刘道华

（信阳师范学院 计算机与信息技术学院，河南 信阳 464000）

人工神经网络以其独特性及优越性，受到越来越多科研工作者的重视。如果建立反馈型人工神经网络，就可以充分发挥计算机的高速运算能力。对已有数据的分析、运算，必将使天气预测系统产生翻天覆地的变化。

人工神经网络；气象；预测

天气预测是依据气象科学的基本原理，利用气候动力学及现代通信手段，依据天气要素的历史数据建立科学的天气预测模型，从而实现对未来天气要素的预测。人工神经网络以其独特的大规模并行处理能力、容错性、自组织和自适应能力强及具有联想功能等特点，被人们普遍认为是解决复杂问题的有力工具，并越来越多地被应用于很多科学领域。基于此，构建一种基于人工神经网络的城区气象要素预测方法，目的是克服传统天气预测系统基于统计技术方面的不足，可在某一城区周围n个气象观测站得到的历史气象要素数据的基础上，建立数学模型，运用到天气预测中，便可根据过去某一段时间的天气某一特征的变化情况来预测未来一段时间内该特征的变化情况。

1　人工神经网络

人工神经网络是一种由大量具有自适应性的处理单元（神经元）广泛分布并进行互联而形成的网络，其是模拟人类大脑联接结构而建立的一种模型，尤其是该模型具有学习和记忆功能，学习的目的是建立神经元之间的联接关系。常见的神经元一般是多输入、单输出的非线性单元，其输入输出关系可描述为：

其中：Xj(j =1,2,…,n)为神经元获得的输入信息；θi为阈值；Wji为第j个神经元到第i个神经元的连接权值；f（·）为传递函数。

由于BP算法的多层前馈神经网络模型具有计算能力强、鲁棒性好等优点，且较适用于气象要素预测系统，故而本设计采用了基于BP算法的多层前馈神经网络模型。BP神经网络模型拓扑结构包括输入层、隐层和输出层。

2　利用人工神经网络预测雾霾

2.1气象要素

气象要素用来表明某一特定地点某一时刻的天气情况，包括与居民生产生活有关的环境变化，比如气温、气压、湿度、降水量、温度、风速、风向等相关数据。天气预报是有关气象部门通过对全球大气、云层、天气状况等的观察、检测并运用计算机进行相关模拟推算，从而得出人们普遍关心的某些气象要素及天气状况的预测值，对人们的衣、食、住、行等方面提供一定的参考作用，方便人们的生产生活。

人们从夏商时代就已经开始农业生产活动，农业对气候的依赖作用，促使了天气预报的产生。但是由于认知程度和知识水平的限制，当时的人们只能通过观察天空变化情况和占卜来预测天气的变化，预报准确度极低。随着时间的增长，人们对天气预报的认识慢慢深入，直到三百多年前，我国出现了连续的气象记录和专门从事气象工作的部门—钦天监，并购建立了中国第一个地面观测网，大大提高了天气预报的准确度。时间流转到20世纪，通过一代代中国人的不懈学习、探究，数值天气预报模式慢慢融入中国天气预报系统，现代天气预报产生了。虽然现代天气预报的精确度还有待改进，但不得不承认其对人们的生产生活作出了极大的贡献。

一般来说，现代天气预报包括5个环节，分别是气象观测、数据收集、综合分析、预报会商、预报产品发布。

数据收集即将从全球获得的数据转化为数值天气预报模式可以识别和使用的数据，再利用超级计算机对这些数据进行计算处理。

综合分析就是在超级计算机完成数值天气预报的结果输出之后，通过人工分析各种天气变化图表，再结合气象卫星、雷达的监测资料，得出预报结论。

预报会商是在预报结论得出之后，经过集体探讨，综合情况考虑，从而得出最终的预报结论。

预报产品发布实在预报会商之后，通过广播、电视、报纸、网站、新媒体等方式，将最终的天气预报结论发布出去，也就是人们最终看到的天气预报。

2.2雾霾现象及成因分析

雾霾就是雾和霾，经常有人分不清雾和霾，并将两者混为一谈，但是实际上两者之间还有很大的区别。

雾的主要成分是液态水和冰晶，液态水和冰晶会造成光线的散射，从而降低空气的透明度，影响能见度。而霾的主要成分除了液态水和冰晶以外，还有飘浮在空气中的灰尘/硫酸分子、硝酸分子、有机碳氢化合物等粒子。由于霾含有多种可吸入颗粒物，在霾现象严重时，甚至会出现颜色，大多为黄色或橙灰色。霾则使大气严重浑浊，能见度极度恶化的同时，更威胁着人们的健康，霾中含有的那些颗粒物如果被人吸入体内，将严重危害人们的身体健康，如果长期吸入，甚至会导致死亡。故而“雾霾天气”在现代天气预报中被作为灾害性天气预警预报。

一般来说，霾产生的时候相对湿度较小，空气相对干燥，而当风速较小时，更易催生霾。分析雾霾的成分可知，雾霾的源头主要是汽车尾气、工业排放、垃圾焚烧等。中国还是一个发展中国家，急剧的工业化和城市化导致能源迅猛消耗、生态环境遭到破坏，而人口高度聚集，私家车的逐渐增多，都为雾霾天气的形成埋下了伏笔。如今，中国雾霾现象越来越严重，而雾霾天气的持续发生让每个待在室外的人都感到提心吊胆。但是人们又不能为了避免接触雾霾而一直生活在室内，所以预测雾霾的产生地点、持续时间的工作变得尤其重要，有了精确的预测，人们就可以根据对雾霾的天气预测来合理安排自己的生产、生活，选择最合适的外出时间和防范措施，有效避免雾霾带来的伤害，对保证人体的健康有着巨大的作用。

2.3建立BP神经网络预测模型对雾霾进行预测

步骤1 初始化。包括对权值矩阵W，V赋随机值，样本计数器p=1，训练次数计数器q=1，误差E=0，学习率η取0～1之间的数任意数，网络训练后达到的精度阈值Emin设为一较小的正随机数。

步骤2 输入训练样本，计算网络隐层神经元各节点的输出。

利用上述两式计算Y和O中的各分量。

步骤3 计算网络输出误差。设共有P对训练样本，网络对应不同的样本具有不同的误差EP，可用其最大者Emax代表网络的总误差，也可以用其均方根误差作为网络的总误差。

步骤4 计算出各层误差值。

步骤5 调整各层权值。

应用上式计算W，V中各分量。

步骤6 检查是否对所有样本完成一次训练。若p＜P，计数器p，q增1，返回步骤2，否则转到步骤6。

步骤7 检查网络总误差是否达到精度要求。当用ERME代表网络总误差时，E=ERME。若E＜Emin，训练结束，否则E=0，p=1，返回步骤2。

3　实验及结果分析

3.1利用历史数据训练BP神经网络天气预测模型

本研究中采用的测试用的PM 2.5浓度数据来源于2014 年8月加密采样的43个监测点观测得到的PM 2.5日均质量浓度数据。为确保BP人工神经网络预测PM 2.5浓度的精确度及后续精度评价工作的开展，在研究过程中，随机分配上述43组PM 2.5日均质量浓度数据为2组：即训练样本集和测试样本集，分别占样本总数的80%和20%（见表1），其中训练样本中最大值为85.0 µg/m3，最小值为23.0 µg/m3，平均值为44.9 µg/m3，测试样本中最大值为81.0 µg/m3，最小值为39.0 µg/m3，平均值为49.9 µg/m3。

表1　PM2.5日均质量浓度

3.2预测与分析

由分析可知，雾霾成因与湿度和风速有关，故而，通过气象站监测到的风速和湿度数值，可以预测雾霾天气。构建出信阳市各气象观测站的湿度和风速的BP神经网络预测模型，并依据模型预测出信阳市近一周（2016年7月29日—8月4日）的168小时的PM 2.5值。

将a，b，c，d 4个气象站检测到的风速和湿度数值作为XP，dP值输入BP神经网络天气预测模型，得到软因素回归调整系数。具体处理结果如表2所示。

表2　4个气象观测站的湿度和风速的软因素回归系数

对于近7日的PM 2.5预测值同真实值的平均绝对误差、重合次数以及重合率对比结果如表3所示。

表3　PM 2.5预测值同真实值的相关信息对比

从表3中的实验数据分析可知，从2016年7月29日—8月4日对信阳市PM 2.5数值的预测值同真实值重合次数及重合率基本上是下降的。从表中的平均绝对误差值也可看出，每天的平均绝对误差值基本上呈正比例升高，这两者均说明预测周期越长，其预测精度越低。

4　结语

BP神经网络作为按照误差逆传播算法训练出的多层前馈网络，具有超强的学习能力和高速寻求优化解的能力，借助这些能力，根据城市的实际气象要素数据，构建出的天气预测模型具有很高的精确度。利用基于BP神经网络的天气预测模型对大气中的PM 2.5浓度进行预测，在不停地实验和训练中不断改进神经网络的结构，能弥补传统天气预报系统算法的不足之处，提高天气预测的精确度。

[1]张人禾，李强，张若楠.2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J].中国科学（地球科学版），2014（1）：27-36.

Research on forecasting method of urban meteorological elements based on artificial neural network

Zhang Yanyan, Liu Daohua
（Computer and Information Technology School of Xinyang Normal University, Xinyang 464000, China）

The artificial neural network has been attached more and more attention by more and more researchers for its uniqueness and superiority. Establishment of the feedback type artificial neural network can give full play to the computer's high-speed computing power. The analysis and operation of the existing data will make the weather forecast system produce great changes.

artificial neural network; meteorological; forecast

2017年度河南省教师教育课程改革重点项目；项目编号：2017-JSJYZD-25。

张言言（1994— ），女，河南周口，本科；研究方向：预测理论。