最大熵算法在氣象雨量預測中的應用分析

王海燕

摘 要：將最大熵原理的計算方法應用到氣象雨量預測中，通過有效的仿真實驗能夠證明最大熵方法在氣象雨量預測中的可行性。

關鍵詞：最大熵算法；BP神經網絡方法；降雨量；雨帶

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

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

我國降水量季節分配的特點是夏季最多，冬季最少，春、秋季介于兩者之間。大的雨帶一般于5月中旬出現在華南地區，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。

隨著我國經濟的快速發展，氣象信息越來越被人們所關注，無論是個人的日常生活還是國家的建設工作都會考慮氣象因素。向社會提供準確、及時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。因此，準確地對雨量進行預報有著十分重要的意義。

1 最大熵算法概述

最大熵原理是指當我們需要對一個隨機事件的概率分布進行預測時，我們的預測應當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。在這種情況下，概率分布最均勻，預測的風險最小。因為這時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”。這是一個數學原理，指的是指數函數的形式，現在只需要確定指數函數的參數就可以了。

最大熵模型作為一個數學模型，有一些特殊的或者是通用的訓練方法。影響訓練算法性能的重要因素有收斂速度和單次迭代速度。對整體系統狀態進行推斷時，或許根據我們所已知的信息無法得到其他內容或改變任何原有的假設條件，在這個時候，我們可以采用一種合理的方法——最大熵算法。

2 常規氣象雨量預測

預測是指人們對未知事物的不確定性行為或狀態所作出的客觀科學預測。在水文和水資源的探索、研究過程中，常規降雨量是一個重要的參考量。然而，常規監測手段監測的范圍存在廣度小、成本高的問題，而且常規監測只能進行點對點的監測。

隨著科技的不斷發展，衛星遙感雨量監測技術也在進步，現在的監測技術具有監測范圍大、不受地形限制的優勢。目前，研究雨量預測的方法主要是基于神經網絡的方法。其主要步驟是：①獲得降雨估算參數因子。主要參數因子是與降雨有直接關系的云參數和大氣參數，這些參數是通過分析云層降雨過程和云層降雨的物理機理來選取的。②選定參數因子的數據集。③建立降雨量估算模型。首先監測實際降雨數據，從中獲取樣本，然后使用人工神經網絡方法搭建網絡模型。

3 基于最大熵原理在氣象預測中的應用

3.1 最大熵原理應用的基本設想

從最大熵原理出發，理論數據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。從大氣中隨機抽取一個空氣樣品，可能出現的各種溫度所占大氣的質量是相等的。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，大氣形成一個溫度場，假設介質界面和外面保持絕緣，只從左右兩邊散發出熱量，就會在溫度場上呈現出均勻分布的等溫線。

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

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。云滴譜是關于云滴半徑的分布函數，熵是與分布函數相聯系的，同時，還存在關于云滴的表面積的分布函數和云滴的質量分布函數。當信息熵達到極值時，它所對應的云滴變量的分布函數所對應的熵也就得到了極大值。

3.3 初步實驗檢驗

我們在Windows系統界面下設計了仿真實驗，仿真試驗是通過程序模擬來實現的，在此基礎上我們得到了相對可靠的實驗數據。表1為最大熵算法和傳統的BP神經網絡雨量預測方法的對比。

從表1中可以看出，本文提到的最大熵算法在雨量預測中的準確率要高于傳統的BP神經網絡雨量預測方法，這說明了最大熵算法的可行性。

4 結束語

通過有效的仿真實驗，證明了最大熵方法在氣象雨量預測中的可行性。實驗數據表明，該方法在無雨或小雨的時候，監測準確率較高，降雨量的預報效果也很好；但對于中雨以上級別的降雨，該方法的監測準確率就相對低一些，預報效果有所降低。在評價方法中，預報的方法可以用于大部分地區，而對于個別地區，需要更深入的分析，并注意大雨級別以上的情況，同時，還要考察該檢測方法在實際應用中的可行性。

參考文獻

[1]馬鶴年.氣象服務學基礎[M].北京：氣象出版社，2009.

〔編輯：王霞〕

摘 要：將最大熵原理的計算方法應用到氣象雨量預測中，通過有效的仿真實驗能夠證明最大熵方法在氣象雨量預測中的可行性。

關鍵詞：最大熵算法；BP神經網絡方法；降雨量；雨帶

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

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

我國降水量季節分配的特點是夏季最多，冬季最少，春、秋季介于兩者之間。大的雨帶一般于5月中旬出現在華南地區，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。

隨著我國經濟的快速發展，氣象信息越來越被人們所關注，無論是個人的日常生活還是國家的建設工作都會考慮氣象因素。向社會提供準確、及時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。因此，準確地對雨量進行預報有著十分重要的意義。

1 最大熵算法概述

最大熵原理是指當我們需要對一個隨機事件的概率分布進行預測時，我們的預測應當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。在這種情況下，概率分布最均勻，預測的風險最小。因為這時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”。這是一個數學原理，指的是指數函數的形式，現在只需要確定指數函數的參數就可以了。

最大熵模型作為一個數學模型，有一些特殊的或者是通用的訓練方法。影響訓練算法性能的重要因素有收斂速度和單次迭代速度。對整體系統狀態進行推斷時，或許根據我們所已知的信息無法得到其他內容或改變任何原有的假設條件，在這個時候，我們可以采用一種合理的方法——最大熵算法。

2 常規氣象雨量預測

預測是指人們對未知事物的不確定性行為或狀態所作出的客觀科學預測。在水文和水資源的探索、研究過程中，常規降雨量是一個重要的參考量。然而，常規監測手段監測的范圍存在廣度小、成本高的問題，而且常規監測只能進行點對點的監測。

隨著科技的不斷發展，衛星遙感雨量監測技術也在進步，現在的監測技術具有監測范圍大、不受地形限制的優勢。目前，研究雨量預測的方法主要是基于神經網絡的方法。其主要步驟是：①獲得降雨估算參數因子。主要參數因子是與降雨有直接關系的云參數和大氣參數，這些參數是通過分析云層降雨過程和云層降雨的物理機理來選取的。②選定參數因子的數據集。③建立降雨量估算模型。首先監測實際降雨數據，從中獲取樣本，然后使用人工神經網絡方法搭建網絡模型。

3 基于最大熵原理在氣象預測中的應用

3.1 最大熵原理應用的基本設想

從最大熵原理出發，理論數據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。從大氣中隨機抽取一個空氣樣品，可能出現的各種溫度所占大氣的質量是相等的。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，大氣形成一個溫度場，假設介質界面和外面保持絕緣，只從左右兩邊散發出熱量，就會在溫度場上呈現出均勻分布的等溫線。

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

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。云滴譜是關于云滴半徑的分布函數，熵是與分布函數相聯系的，同時，還存在關于云滴的表面積的分布函數和云滴的質量分布函數。當信息熵達到極值時，它所對應的云滴變量的分布函數所對應的熵也就得到了極大值。

3.3 初步實驗檢驗

我們在Windows系統界面下設計了仿真實驗，仿真試驗是通過程序模擬來實現的，在此基礎上我們得到了相對可靠的實驗數據。表1為最大熵算法和傳統的BP神經網絡雨量預測方法的對比。

從表1中可以看出，本文提到的最大熵算法在雨量預測中的準確率要高于傳統的BP神經網絡雨量預測方法，這說明了最大熵算法的可行性。

4 結束語

通過有效的仿真實驗，證明了最大熵方法在氣象雨量預測中的可行性。實驗數據表明，該方法在無雨或小雨的時候，監測準確率較高，降雨量的預報效果也很好；但對于中雨以上級別的降雨，該方法的監測準確率就相對低一些，預報效果有所降低。在評價方法中，預報的方法可以用于大部分地區，而對于個別地區，需要更深入的分析，并注意大雨級別以上的情況，同時，還要考察該檢測方法在實際應用中的可行性。

參考文獻

[1]馬鶴年.氣象服務學基礎[M].北京：氣象出版社，2009.

〔編輯：王霞〕

摘 要：將最大熵原理的計算方法應用到氣象雨量預測中，通過有效的仿真實驗能夠證明最大熵方法在氣象雨量預測中的可行性。

關鍵詞：最大熵算法；BP神經網絡方法；降雨量；雨帶

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

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

我國降水量季節分配的特點是夏季最多，冬季最少，春、秋季介于兩者之間。大的雨帶一般于5月中旬出現在華南地區，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。

隨著我國經濟的快速發展，氣象信息越來越被人們所關注，無論是個人的日常生活還是國家的建設工作都會考慮氣象因素。向社會提供準確、及時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。因此，準確地對雨量進行預報有著十分重要的意義。

1 最大熵算法概述

最大熵原理是指當我們需要對一個隨機事件的概率分布進行預測時，我們的預測應當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。在這種情況下，概率分布最均勻，預測的風險最小。因為這時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”。這是一個數學原理，指的是指數函數的形式，現在只需要確定指數函數的參數就可以了。

最大熵模型作為一個數學模型，有一些特殊的或者是通用的訓練方法。影響訓練算法性能的重要因素有收斂速度和單次迭代速度。對整體系統狀態進行推斷時，或許根據我們所已知的信息無法得到其他內容或改變任何原有的假設條件，在這個時候，我們可以采用一種合理的方法——最大熵算法。

2 常規氣象雨量預測

預測是指人們對未知事物的不確定性行為或狀態所作出的客觀科學預測。在水文和水資源的探索、研究過程中，常規降雨量是一個重要的參考量。然而，常規監測手段監測的范圍存在廣度小、成本高的問題，而且常規監測只能進行點對點的監測。

隨著科技的不斷發展，衛星遙感雨量監測技術也在進步，現在的監測技術具有監測范圍大、不受地形限制的優勢。目前，研究雨量預測的方法主要是基于神經網絡的方法。其主要步驟是：①獲得降雨估算參數因子。主要參數因子是與降雨有直接關系的云參數和大氣參數，這些參數是通過分析云層降雨過程和云層降雨的物理機理來選取的。②選定參數因子的數據集。③建立降雨量估算模型。首先監測實際降雨數據，從中獲取樣本，然后使用人工神經網絡方法搭建網絡模型。

3 基于最大熵原理在氣象預測中的應用

3.1 最大熵原理應用的基本設想

從最大熵原理出發，理論數據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。從大氣中隨機抽取一個空氣樣品，可能出現的各種溫度所占大氣的質量是相等的。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，大氣形成一個溫度場，假設介質界面和外面保持絕緣，只從左右兩邊散發出熱量，就會在溫度場上呈現出均勻分布的等溫線。

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

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。云滴譜是關于云滴半徑的分布函數，熵是與分布函數相聯系的，同時，還存在關于云滴的表面積的分布函數和云滴的質量分布函數。當信息熵達到極值時，它所對應的云滴變量的分布函數所對應的熵也就得到了極大值。

3.3 初步實驗檢驗

我們在Windows系統界面下設計了仿真實驗，仿真試驗是通過程序模擬來實現的，在此基礎上我們得到了相對可靠的實驗數據。表1為最大熵算法和傳統的BP神經網絡雨量預測方法的對比。

從表1中可以看出，本文提到的最大熵算法在雨量預測中的準確率要高于傳統的BP神經網絡雨量預測方法，這說明了最大熵算法的可行性。

4 結束語

通過有效的仿真實驗，證明了最大熵方法在氣象雨量預測中的可行性。實驗數據表明，該方法在無雨或小雨的時候，監測準確率較高，降雨量的預報效果也很好；但對于中雨以上級別的降雨，該方法的監測準確率就相對低一些，預報效果有所降低。在評價方法中，預報的方法可以用于大部分地區，而對于個別地區，需要更深入的分析，并注意大雨級別以上的情況，同時，還要考察該檢測方法在實際應用中的可行性。

參考文獻

[1]馬鶴年.氣象服務學基礎[M].北京：氣象出版社，2009.

〔編輯：王霞〕