基于時空大數(shù)據(jù)及無線傳感網(wǎng)絡(luò)的復(fù)雜氣象風(fēng)險預(yù)警模型構(gòu)建?

馬艷梅

(淮南職業(yè)技術(shù)學(xué)院智能與電氣工程學(xué)院，安徽 淮南232001)

復(fù)雜氣象包括風(fēng)切變、雷暴、顛簸、溫度驟變、積冰、霧、云、雨以及風(fēng)沙等惡劣天氣，其對農(nóng)業(yè)、工業(yè)、交通以及人們的日常生活與生命安全等均會產(chǎn)生重要影響[1]。因此，監(jiān)測復(fù)雜氣象，對其實施風(fēng)險預(yù)警具有重要意義。由于復(fù)雜氣象的形成、發(fā)展和時空分布與地形地貌、生態(tài)景觀及人文環(huán)境等存在緊密聯(lián)系，因此時間與空間信息對復(fù)雜氣象的風(fēng)險預(yù)警具有關(guān)鍵意義[2]。尤其是在全球氣候變化的影響下，自然環(huán)境及人類行為對復(fù)雜氣象形成與發(fā)展的影響越來越顯著。

文獻[3]提出基于信息分類的復(fù)雜氣象風(fēng)險預(yù)警模型。利用ArcGIS平臺將研究區(qū)劃分為同等大小的柵格單元，使用信息量法選取9個影響因素進行地質(zhì)環(huán)境敏感性評價，基于信息量法的地質(zhì)環(huán)境敏感性分區(qū)客觀合理，結(jié)合有效降雨量構(gòu)建地質(zhì)災(zāi)害氣象風(fēng)險預(yù)警模型。該模型對單一的復(fù)雜氣象風(fēng)險預(yù)警準(zhǔn)確性較好，但針對復(fù)雜氣象的動態(tài)變化，無法很好地實現(xiàn)復(fù)雜氣象風(fēng)險預(yù)警；文獻[4]提出基于仿歸一化植被指數(shù)法的復(fù)雜氣象風(fēng)險預(yù)警模型，分析內(nèi)蒙古典型草原歸一化植被指數(shù)的變化，探討不同氣候?qū)w一化植被指數(shù)的影響，構(gòu)建歸一化植被指數(shù)及氣象因子的回歸分析模型。該模型對復(fù)雜氣象風(fēng)險預(yù)警的精度較好，但預(yù)警過程耗時較長，效率較差。

3S(RS、GIS、GPS)(remote sensing system、Geographic Information System、Globle Positioning System)技術(shù)逐漸成為從時間與空間上跟蹤監(jiān)測復(fù)雜氣象形成與發(fā)展的主要方法，特別是在復(fù)雜氣象動態(tài)研究方面，空間大數(shù)據(jù)將其多源、多時相、多尺度的特性發(fā)揮的更加淋漓盡致[5]。利用無線傳感網(wǎng)絡(luò)實現(xiàn)時空大數(shù)據(jù)的傳輸，利用時空大數(shù)據(jù)構(gòu)建復(fù)雜氣象風(fēng)險預(yù)警模型，改變以往基于信息分類的復(fù)雜氣象風(fēng)險預(yù)警模型單一的預(yù)警方式，實現(xiàn)快速、實時、動態(tài)監(jiān)測預(yù)警的目的[6]，有效提升復(fù)雜氣象風(fēng)險預(yù)警效果。

1 復(fù)雜氣象風(fēng)險預(yù)警模型

1.1 復(fù)雜氣象時空數(shù)據(jù)信息抽取

1.1.1 基于無線傳感網(wǎng)絡(luò)的復(fù)雜氣象時空數(shù)據(jù)傳輸

基于時空大數(shù)據(jù)及無線傳感網(wǎng)絡(luò)的復(fù)雜氣象風(fēng)險預(yù)警是對時間、空間信息和復(fù)雜氣象信息的多維搜索，檢索并分析這些同空間位置相關(guān)聯(lián)的復(fù)雜氣象信息是基于時空大數(shù)據(jù)預(yù)警復(fù)雜氣象風(fēng)險的關(guān)鍵。基于無線傳感網(wǎng)絡(luò)[7]，對復(fù)雜氣象時空數(shù)據(jù)進行傳輸，能夠保證時空大數(shù)據(jù)的穩(wěn)定、安全傳輸，為構(gòu)建時空大數(shù)據(jù)模型、實現(xiàn)復(fù)雜氣象時空數(shù)據(jù)信息抽取奠定基礎(chǔ)。

1.1.2 面向復(fù)雜氣象的時空大數(shù)據(jù)模型

以利用類與對象構(gòu)建系統(tǒng)為基本理念，面向?qū)ο蟮臅r空大數(shù)據(jù)模型具有不受關(guān)系模型標(biāo)準(zhǔn)模式約束的優(yōu)勢，通過接收、泛化與組成的處理過程能夠?qū)崿F(xiàn)時空大數(shù)據(jù)擴展建模[8－9]。根據(jù)建模目的選取不同建模方法，模型結(jié)構(gòu)如圖1所示。

圖1 面向?qū)ο髸r空大數(shù)據(jù)模型

面向復(fù)雜氣象的時空大數(shù)據(jù)模型能夠記錄復(fù)雜氣象的插入和波動情況，通過一個復(fù)雜氣象因子即可反映出該復(fù)雜氣象全部波動歷史，針對時間的記錄效果更加顯著。

1.1.3 復(fù)雜氣象信息定向抽取

在面向復(fù)雜氣象的時空大數(shù)據(jù)模型中，采用序列標(biāo)注法和條件隨機場模型，定向抽取所需復(fù)雜氣象信息。

采用條件隨機場模型，在復(fù)雜氣象時空大數(shù)據(jù)模型中標(biāo)注所需復(fù)雜氣象序列信息，用L＝(V，D)描述一幅圖像，V，D分別表示圖像的分辨率，且Z＝(Zv)，由于v∈V，因此Z可表示圖L的頂點。若復(fù)雜氣象定向抽取條件為C，那么條件隨機場(C，Z)符合:

式中:w、v均為圖L的頂點，w~v為w與v的相鄰節(jié)點。

若c＝{c1，c2，…，cn}和z＝{z1，z2，…，zn}分別為觀察序列和有限狀態(tài)集合，根據(jù)條件隨機場模型理論，得到:

基于特征轉(zhuǎn)移函數(shù)與狀態(tài)特征函數(shù)，條件隨機場模型將特征函數(shù)設(shè)定成fj(zi－1，zi，c，i)，結(jié)合對應(yīng)的標(biāo)注結(jié)果得到:

通過條件隨機場模型標(biāo)注復(fù)雜氣象時空大數(shù)據(jù)模型中所需復(fù)雜氣象信息序列時，利用條件隨機場模型編號文本語料分詞后的各詞標(biāo)記類型[10－12]。明確面向復(fù)雜氣象的時空大數(shù)據(jù)模型中所需復(fù)雜氣象信息觀測序列利用轉(zhuǎn)移特征函數(shù)與狀態(tài)特征函數(shù)計算模型中所需復(fù)雜氣象信息特征函數(shù)，確定所需復(fù)雜氣象信息觀測值的實際特征，以此作為復(fù)雜氣象風(fēng)險預(yù)警模型中預(yù)警等級預(yù)警限值。

1.2 復(fù)雜氣象風(fēng)險預(yù)警模型

采用多級模糊綜合預(yù)警法可以定量化邊界模糊，定量分析較困難的復(fù)雜氣象因子，但無法高質(zhì)量的預(yù)警不同強度、不同權(quán)重的復(fù)雜氣象條件[13－14]，為解決這一問題，需依照預(yù)警等級將不同復(fù)雜氣象的時空數(shù)據(jù)分類后，再實施綜合預(yù)警。

1.2.1 構(gòu)建預(yù)警空間

用G和U分別表示預(yù)警集和因子集，其中不同復(fù)雜氣象因子表示為u1，u2，…un。劃分復(fù)雜氣象預(yù)警等級由重到輕分為A、B、C和D級，分別表示特重級別、嚴(yán)重級別、較重級別和一般級別。復(fù)雜氣象因子不同等級對應(yīng)的限值如表1所示。其中，未標(biāo)注單位的數(shù)據(jù)為已轉(zhuǎn)變?yōu)閇0，1]的風(fēng)險指數(shù)，除雨、雪、霧和風(fēng)沙數(shù)據(jù)中描述的是能見距離型復(fù)雜氣象外，其余均為損傷型復(fù)雜氣象，限值由復(fù)雜氣象因子觀測值的實際特征確定。

表1 復(fù)雜氣象因子預(yù)警等級

1.2.2 計算隸屬度函數(shù)

復(fù)雜氣象預(yù)警等級需針對不同復(fù)雜氣象因子實測值實施單因子預(yù)警。

若hi和yij分別表示第i種復(fù)雜氣象因子實測值和第i種復(fù)雜氣象因子第j級限值，那么:

式中:E為復(fù)雜氣象總風(fēng)險。

基于E值，采用隸屬法確定復(fù)雜氣象綜合預(yù)警等級，根據(jù)綜合預(yù)警等級進行復(fù)雜氣象風(fēng)險預(yù)警[15]。

2 實證分析

2.1 模型應(yīng)用

在面向復(fù)雜氣象的時空大數(shù)據(jù)模型中，抽取一次復(fù)雜氣象實測值作為實證分析數(shù)據(jù)，數(shù)據(jù)來源中國氣象數(shù)據(jù)網(wǎng)[16]，復(fù)雜氣象實測值數(shù)據(jù)如表2所示。

表2 復(fù)雜氣象實測值數(shù)據(jù)

①預(yù)警空間

依照不同復(fù)雜氣象因子的實測值與所屬預(yù)警等級，劃分復(fù)雜氣象因子U＝{u1，u2，…u13}為損傷性復(fù)雜氣象因子集和能見度性復(fù)雜氣象因子集，分別用U1和U2表示。

2018年戲曲百戲（昆山）盛典于10月29日拉開帷幕，并一直持續(xù)到12月7日。全國共有120個戲曲劇種、122家單位的155個劇目參演。由福建省文化廳組織選送的梨園戲、莆仙戲、高甲戲、打城戲、竹馬戲5個本土劇種的1部傳統(tǒng)經(jīng)典大戲和6折代表性經(jīng)典折子戲入選此次全國性戲曲展演，分別是福建省梨園戲傳承中心梨園戲《呂蒙正》、莆仙戲劇院莆仙戲《殺狗記·迎春牽狗》、仙游縣鯉聲藝術(shù)傳承保護中心莆仙戲《敬德畫像》、廈門市金蓮陞高甲劇團高甲戲《審陳三·探牢》、晉江市高甲柯派表演藝術(shù)中心高甲戲《騎驢探親》、泉州打城戲傳承中心打城戲《目連救母·代母繞枷》、漳浦縣竹馬戲（薌劇）傳承保護中心竹馬戲《唐二別妻》。

其中U1＝{U′11，U′12，U′13，U′14}，分別表示微度、中度、重度和災(zāi)難復(fù)雜氣象因子集。

②計算不同因子隸屬度及一級權(quán)重

依照隸屬度函數(shù)與權(quán)重劃分模型計算不同復(fù)雜氣象因子的隸屬度與權(quán)重預(yù)警值，結(jié)果如表3、表4所示。

表3 微度復(fù)雜氣象因子集隸屬度與權(quán)重預(yù)警值

表4 中度復(fù)雜氣象因子集隸屬度與權(quán)重預(yù)警值

③綜合預(yù)警

依照式(16)計算一級預(yù)警權(quán)值矩陣，得到:

依照式(17)計算U1與U2的預(yù)警分值:

依照式(18)計算復(fù)雜氣象總風(fēng)險值，得到:E＝3.13，歸屬于預(yù)警等級B，為較重復(fù)雜氣象風(fēng)險，與實際情況一致。實證分析結(jié)果表明本文模型能夠準(zhǔn)確預(yù)警復(fù)雜氣象預(yù)警等級。

2.2 數(shù)據(jù)精度對比

實驗為測試本文所設(shè)計模型中所使用的時空大數(shù)據(jù)的精度，分別采用本文模型、基于信息分類的復(fù)雜氣象風(fēng)險預(yù)警模型[3]和基于仿歸一化植被指數(shù)法的復(fù)雜氣象風(fēng)險預(yù)警模型[4]進行信息抽取實驗。

對比三個模型抽取到復(fù)雜氣象信息中的噪聲含量，結(jié)果如圖2所示。

圖2 不同模型提取信息中的噪聲

分析圖2可得，信息中包含的噪聲將導(dǎo)致信息丟失，提升誤碼率，對信息的準(zhǔn)確安全產(chǎn)生威脅。本文模型抽取得到的復(fù)雜氣象信息中包含的噪聲，顯著低于其他兩個模型抽取得到的復(fù)雜氣象信息中的噪聲含量。其中基于信息分類的模型抽取的復(fù)雜氣象信息中噪聲含量波動較大且噪聲明顯偏高，而基于仿歸一化植被指數(shù)法的模型前20 s抽取的復(fù)雜氣象信息中噪聲含量較小，但20 s之后抽取的信息中噪聲大幅提升，相比之下本文模型抽取的復(fù)雜氣象信息中噪聲含量波動較平緩。實驗結(jié)果表明本文模型可以抽取完整、準(zhǔn)確的復(fù)雜氣象信息，提升復(fù)雜氣象風(fēng)險預(yù)警的精度。

3 結(jié)論

復(fù)雜氣象對人類社會的影響較為嚴(yán)重，對其風(fēng)險實施預(yù)警具有重要意義。

①本文構(gòu)建基于時空大數(shù)據(jù)及無線傳感網(wǎng)絡(luò)的復(fù)雜氣象風(fēng)險預(yù)警模型，在面向復(fù)雜氣象的時空大數(shù)據(jù)模型中抽取復(fù)雜氣象信息作為復(fù)雜氣象風(fēng)險預(yù)警模型中預(yù)警等級預(yù)警限值；

②通過構(gòu)建預(yù)警空間、計算隸屬度函數(shù)、確定權(quán)重與綜合預(yù)警等過程預(yù)警確定復(fù)雜氣象綜合預(yù)警等級，根據(jù)綜合預(yù)警等級進行復(fù)雜氣象風(fēng)險預(yù)警；

③實證分析結(jié)果表明本文模型能夠提高預(yù)警等級的準(zhǔn)確性。