1、    模式識別在氣象探測和信息處理中的應(yīng)用    王華 楊乾鵬【摘 要】隨著模式識別和氣象探測技術(shù)的發(fā)展，模式識別在氣象探測和氣象信息數(shù)據(jù)處理中應(yīng)用較為廣泛。本文主要總結(jié)了在氣象領(lǐng)域內(nèi)應(yīng)用的一些方法，包括在基于聚類算法的雷電數(shù)據(jù)應(yīng)用、神經(jīng)網(wǎng)絡(luò)系統(tǒng)在暴雨預(yù)報中的應(yīng)用以及基于多普勒天氣雷達探測資料中低空急流、龍卷、下?lián)舯┝骱完囷L(fēng)鋒四種天氣現(xiàn)象的分類識別。【關(guān)鍵詞】模式識別；氣象探測；聚類；神經(jīng)網(wǎng)絡(luò)模式識別是20世紀(jì)60年代初迅速發(fā)展起來的一門科學(xué)，經(jīng)過幾十年的研究，取的了豐碩的成果，已經(jīng)形成了一個比較完善的理論體系，主要包括統(tǒng)計模式識別、結(jié)構(gòu)模式識別、模糊

2、模式識別、神經(jīng)網(wǎng)絡(luò)模式識別和分類器融合等研究內(nèi)容。模式識別系統(tǒng)由信息獲取、預(yù)處理、特征提取和選擇、分類判決等4個部分組成。模式識別主要是應(yīng)用在其它學(xué)科，尤其是在一些文本分類、語音識別、圖像識別、視頻識別，在本文主要是介紹模式識別在氣象探測和氣象信息處理中的應(yīng)用，從而提高天氣的預(yù)報預(yù)測能力和氣象資料的分析處理能力。一、基于聚類算法的雷電數(shù)據(jù)的應(yīng)用（一）研究雷電的背景和意義本文分析了一種新的雷電數(shù)據(jù)應(yīng)用方法。在這個方法中將會運用一種聚類算法k-means算法。氣象觀測活動中獲得的雷電數(shù)據(jù)通過該方法進行聚類分析，得出理想的雷暴體聚類中心，這些聚類中心是最佳的雷暴體參數(shù)信息的反應(yīng)。通過對這一聚類結(jié)果的

3、研究與分析，可以掌握雷暴活動中雷暴單體的生命演變過程，并可以預(yù)測雷暴的發(fā)展動向。（二）雷電數(shù)據(jù)應(yīng)用的現(xiàn)狀雷電與災(zāi)害性天氣（如龍卷、冰雹、超級單體和大風(fēng)）的關(guān)系非常密切，這方面已經(jīng)有許多研究。觀測數(shù)據(jù)表明，云地閃的總數(shù)、閃電總數(shù)以及這些因素的綜合指數(shù)與災(zāi)害性天氣有最直接的關(guān)系。天氣預(yù)報人員可以使用云地閃電數(shù)據(jù)進行大范圍天氣監(jiān)測和對流天氣短時預(yù)報。因為閃電演變特征能較好地指示對流的存在、產(chǎn)生、移動、消散、結(jié)構(gòu)、范圍、強度和再發(fā)展等重要信息。雷電資料對雷達低仰角探測被地物遮擋的地區(qū)和國家邊界周圍以及沿海地區(qū)的作用尤為突出。對于因山地和大面積水域產(chǎn)生的局地強對流天氣，雷電數(shù)據(jù)對其演變的監(jiān)測和識別也具有

4、重要意義。研究表明，一定情形下的云地閃與洪水、冰雹、暴雨、龍卷以及微暴流是密切關(guān)聯(lián)的。但這種關(guān)聯(lián)需要對不同的地區(qū)和不同的季節(jié)分別進行研究分析。這一課題的廣泛研究必須建立在對雷電網(wǎng)絡(luò)數(shù)據(jù)進一步分析的基礎(chǔ)上。雷電探測網(wǎng)可以24小時連續(xù)監(jiān)測閃電的活動，跟其它探測設(shè)備相比，雷電探測系統(tǒng)還具有以下特點：（1）雷電數(shù)據(jù)能夠有效地在大面積的雨區(qū)內(nèi)區(qū)分出發(fā)展中的對流云。（2）當(dāng)衛(wèi)星云圖、氣象雷達或其它氣象資料缺乏時，雷電數(shù)據(jù)可作補充。（3）實時的閃電數(shù)據(jù)可在數(shù)秒內(nèi)報告雷暴的監(jiān)測結(jié)果，這是雷達和衛(wèi)星所不能企及的。（4）雷電數(shù)據(jù)可以瞬間刷新，以幫助識別強對流天氣的區(qū)域和發(fā)展趨勢。2.3 k-均值法聚類和實現(xiàn)處理的

5、大概步驟1967年，macqueen首次提出了k均值聚類算法（k-means算法）。迄今為止，很多聚類任務(wù)都選擇該經(jīng)典算法。該算法的核心思想是找出k個聚類中心 ，使得每一個數(shù)據(jù)點和與其最近的聚類中心的平方距離和被最小化（該平方距離和被稱為偏差 d）。k均值（k-means）聚類算法（對n個樣本進行聚類）（1）初始化：隨機指定k個聚類中心（）；（2）分配：對每一個樣本，找到離它最近的聚類中心，并將其分配到所標(biāo)明類；（3）修正：將每一個移動到其標(biāo)明的類的中心；（4）計算偏差： ； （2-1）（5）d判斷收斂：如果d值收斂，則return（）并終止本算法；否則，返回步驟（2）。k-means 算法的

6、優(yōu)點與不足。優(yōu)點：能對大型數(shù)據(jù)集進行高效分類，其計算復(fù)雜性為 o（tkmn），其中，t為迭代次數(shù)，k為聚類數(shù)，m為特征屬性數(shù)，n為待分類的對象數(shù)，通常，k，m，t<< p>實現(xiàn)的大概步驟：輸入：聚類個數(shù)k，包含n個數(shù)據(jù)對象的數(shù)據(jù)集。輸出：k個聚類。（1）從n個數(shù)據(jù)中任意選擇k個數(shù)據(jù)作為初始的聚類中心。（2）計算每個數(shù)據(jù)點到聚類中心的距離，把數(shù)據(jù)點歸類到最近的聚類中心的簇。（3）所有數(shù)據(jù)點分配完成后，再計算其聚類新的中心。（4）將新的中心和前一次的聚類中心作比較，如果有變化則轉(zhuǎn)到步驟2，否則，轉(zhuǎn)到步驟5。（5）輸出聚類結(jié)果。二、神經(jīng)網(wǎng)絡(luò)系統(tǒng)在暴雨預(yù)報中的應(yīng)用（一）研究暴雨的背景

7、和意義暴雨是我國夏季常見的一種影響嚴(yán)重的災(zāi)害性天氣。某一地區(qū)連降暴雨或出現(xiàn)大暴雨、特大暴雨，常導(dǎo)致山洪爆發(fā)，水庫垮壩，江河橫溢，房屋被沖塌，農(nóng)田被淹沒，交通和電訊中斷，會給國民經(jīng)濟和人民的生命財產(chǎn)帶來嚴(yán)重危害。暴雨尤其是大范圍持續(xù)性暴雨和集中的特大暴雨，不僅影響工農(nóng)業(yè)生產(chǎn)，而且可能危害人民的生命，造成嚴(yán)重的經(jīng)濟損失。暴雨的研究和預(yù)報，對提高防災(zāi)減災(zāi)能力有著重大的意義。（二）神經(jīng)網(wǎng)絡(luò)技術(shù)在暴雨中的應(yīng)用神經(jīng)元網(wǎng)絡(luò)原理模擬人腦的學(xué)習(xí)、記憶、思維、推理機能，主要是利用其網(wǎng)絡(luò)模擬預(yù)報員從大尺度環(huán)境場中捕捉暴雨信息的能力。神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)與傳統(tǒng)規(guī)則型專家系統(tǒng)亦不相同，傳統(tǒng)型專家系統(tǒng)的規(guī)則基于預(yù)報員長期的工

8、作經(jīng)驗，規(guī)則之間要滿足嚴(yán)格的合諧性和完備性條件才能保證推理的正確性，而這兩點實際是很難達到的。神經(jīng)元網(wǎng)絡(luò)專家系統(tǒng)利用人工神經(jīng)元來模擬大腦的記憶和思維能力，用網(wǎng)絡(luò)權(quán)系矩陣隱式地表示知識，通過隱單元和節(jié)點作用函數(shù)實現(xiàn)非線性。通過訓(xùn)練獲取知識，利用網(wǎng)絡(luò)對初值的響應(yīng)實現(xiàn)推理功能。大概步驟：依據(jù)在一段時間內(nèi)暴雨的資料，將分布在一定區(qū)域的暴雨資料按照經(jīng)緯度網(wǎng)格化，組成神經(jīng)元網(wǎng)絡(luò)待選的感應(yīng)神經(jīng)元輸入神經(jīng)元。利用具有一層隱結(jié)點的bp網(wǎng)絡(luò)，設(shè)定隱單元的數(shù)目為輸入神經(jīng)元數(shù)據(jù)量的一半，目的是使網(wǎng)絡(luò)具有良好的性能，通過bp網(wǎng)絡(luò)建立模式資料與發(fā)生暴雨發(fā)生所在地的站點降水資料的映射關(guān)系，通過網(wǎng)絡(luò)的學(xué)習(xí)功能，確定網(wǎng)絡(luò)權(quán)系矩陣，由此對大到暴雨以上的降水進行預(yù)報。三、總結(jié)本文簡單的從基于聚類算法的雷電數(shù)據(jù)應(yīng)用；神經(jīng)網(wǎng)絡(luò)系統(tǒng)在暴雨預(yù)報中的應(yīng)用；上述方法參考了大量前輩的資料，這里只是一些總結(jié)及設(shè)想，有一些簡單的嘗試，還沒有大范圍的應(yīng)用。目前模式識別技術(shù)在氣象領(lǐng)域的應(yīng)用較為廣泛，隨著模式識別技術(shù)的快速發(fā)展，將模式識別技術(shù)應(yīng)用到其中將會推動氣象技術(shù)的更加快速發(fā)展，會更充分利用好氣象資料，提高識別精度和處理效率。參考文獻：1 李弼成，邵美珍，等. 模式識別原理