孫海燕，趙 陽(yáng)，萬(wàn)太禮

(武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430079)

?

GIS與小波神經(jīng)網(wǎng)絡(luò)下熱帶氣旋路徑的預(yù)測(cè)

孫海燕，趙 陽(yáng)，萬(wàn)太禮

(武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430079)

提出了一種應(yīng)用GIS技術(shù)與神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行熱帶氣旋路徑預(yù)測(cè)的方法。首先在GIS的時(shí)空數(shù)據(jù)庫(kù)基礎(chǔ)之上建立熱帶氣旋數(shù)據(jù)庫(kù)。針對(duì)待預(yù)測(cè)的熱帶氣旋，利用GIS的空間分析功能對(duì)歷史氣旋數(shù)據(jù)進(jìn)行篩選形成樣本數(shù)據(jù)。用樣本數(shù)據(jù)對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練從而完成神經(jīng)網(wǎng)絡(luò)的建模，并利用此模型對(duì)熱帶氣旋的路徑進(jìn)行預(yù)測(cè)。試驗(yàn)表明該方法可以得到較好的預(yù)測(cè)結(jié)果。

熱帶氣旋；預(yù)測(cè)；GIS；小波神經(jīng)網(wǎng)絡(luò)；空間分析

一、引 言

熱帶氣旋路徑預(yù)測(cè)的方法主要有數(shù)值預(yù)報(bào)法、客觀預(yù)報(bào)法[1]。其中數(shù)值預(yù)報(bào)依據(jù)大量的氣象數(shù)據(jù)，并考慮海洋等多種物理因素作為條件參數(shù)進(jìn)行路徑預(yù)測(cè)。數(shù)值預(yù)報(bào)方法的預(yù)測(cè)精度較高，但需要較多的實(shí)測(cè)數(shù)據(jù)，非專業(yè)部門應(yīng)用困難?？陀^預(yù)報(bào)法則以歷史熱帶氣旋數(shù)據(jù)為基礎(chǔ)，并應(yīng)用概率論、相似分析、回歸分析及氣候?qū)W持續(xù)性預(yù)報(bào)等方法進(jìn)行預(yù)測(cè)[2-3]，在熱帶氣旋預(yù)測(cè)中取得了較好的應(yīng)用。由于熱帶氣旋運(yùn)動(dòng)與其影響因素之間是高度非線性關(guān)系，建立它們之間的數(shù)學(xué)模型比較困難，神經(jīng)網(wǎng)絡(luò)是一種易于應(yīng)用的方法。神經(jīng)網(wǎng)絡(luò)是一門非線性科學(xué)，具有自學(xué)習(xí)、自組織、自適應(yīng)和容錯(cuò)性等優(yōu)點(diǎn)。經(jīng)過(guò)改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)已經(jīng)在熱帶氣旋預(yù)報(bào)中取得了一定的成果。周曾奎等[4]給出了應(yīng)用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)判定熱帶氣旋的移向趨勢(shì)的方法。邵利民等[5]提出了一種利用CLIPER篩選因子來(lái)改進(jìn)BP網(wǎng)絡(luò)預(yù)報(bào)熱帶氣旋路徑的方法。俞善賢等[6]提出了基于RBF的逐步選取因子的算法，并同BP、LM等不同類型的神經(jīng)網(wǎng)絡(luò)作了對(duì)比試驗(yàn)。同時(shí)，GIS技術(shù)在熱帶氣旋分析和預(yù)報(bào)服務(wù)中也得到一定應(yīng)用。鄒亮等[7]提出了基于GIS空間分析方法的關(guān)鍵點(diǎn)相似度法，并據(jù)此結(jié)合臺(tái)風(fēng)移向移速建立了一個(gè)預(yù)測(cè)臺(tái)風(fēng)路徑趨勢(shì)的數(shù)學(xué)模型?？琢钅萚1]針對(duì)熱帶氣旋關(guān)鍵點(diǎn)與路徑相似性標(biāo)準(zhǔn)探討了基于GIS的熱帶氣旋路徑相似預(yù)測(cè)方法。

目前應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)氣旋路徑的試驗(yàn)，一般采用把整個(gè)熱帶氣旋樣本庫(kù)隨機(jī)選取一部分用來(lái)訓(xùn)練網(wǎng)絡(luò)，剩下一部分用作網(wǎng)絡(luò)測(cè)試，用訓(xùn)練好的網(wǎng)絡(luò)對(duì)此后所有的氣旋進(jìn)行預(yù)測(cè)。由于生成于不同位置與季節(jié)的氣旋的運(yùn)動(dòng)路徑有很大的不同，不考慮這些因素而選取訓(xùn)練樣本可能導(dǎo)致網(wǎng)絡(luò)的復(fù)雜度大大提高，降低預(yù)報(bào)精度。

由于同一季節(jié)位置相近的熱帶氣旋的運(yùn)動(dòng)路徑有很高的相似性，本文提出一種應(yīng)用GIS空間分析與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)相結(jié)合的熱帶氣旋路徑預(yù)測(cè)方法。即根據(jù)待分析氣旋當(dāng)前的時(shí)間、地點(diǎn)，應(yīng)用GIS空間分析對(duì)歷史熱帶氣旋數(shù)據(jù)庫(kù)進(jìn)行篩選，建立訓(xùn)練神經(jīng)網(wǎng)絡(luò)的氣旋樣本，用此樣本訓(xùn)練建立針對(duì)當(dāng)前氣旋的神經(jīng)網(wǎng)絡(luò)模型，并用此模型對(duì)該氣旋的路徑進(jìn)行預(yù)測(cè)。由于這種方法不依賴于實(shí)測(cè)的氣象、海洋等數(shù)據(jù)，對(duì)于熱帶氣旋的災(zāi)害預(yù)防與災(zāi)前準(zhǔn)備有一定的應(yīng)用價(jià)值。

二、試驗(yàn)設(shè)計(jì)

1.熱帶氣旋空間數(shù)據(jù)庫(kù)建立

從中央氣象局熱帶氣旋資料中心下載熱帶氣旋最佳路徑數(shù)據(jù)集[8-9]，截至目前該中心提供了1949—2013年以來(lái)西北太平洋(含南海，赤道以北，東經(jīng)180°以西)海域熱帶氣旋每6 h的熱帶氣旋信息。主要包括熱帶氣旋編號(hào)、熱帶氣旋路徑預(yù)報(bào)時(shí)刻、強(qiáng)度標(biāo)記、經(jīng)緯度、中心最低氣壓及預(yù)報(bào)時(shí)刻2 min平均近中心最大風(fēng)速等信息。數(shù)據(jù)集以文本形式存在，對(duì)數(shù)據(jù)集進(jìn)行解析，建立熱帶氣旋點(diǎn)要素?cái)?shù)據(jù)集和熱帶氣旋路徑要素?cái)?shù)據(jù)集，存入基于GIS的時(shí)空數(shù)據(jù)庫(kù)[10]中，形成歷史熱帶氣旋數(shù)據(jù)庫(kù)。

從中央氣象臺(tái)氣象災(zāi)害預(yù)警模塊中可以得到待分析氣旋最近的時(shí)間與位置，以此作為篩選樣本數(shù)據(jù)的依據(jù)和預(yù)測(cè)計(jì)算的初始值。

2.相似路徑篩選

陳聯(lián)壽在《西太平洋熱帶氣旋概論》一書中指出了判斷熱帶氣旋相似常用的相似標(biāo)準(zhǔn)主要有季節(jié)相似、地理相似和移向移速相似[11]。本文概括為利用時(shí)間相似性和空間相似性對(duì)樣本進(jìn)行篩選。其中時(shí)間相似性是指在相似的季節(jié)里大氣環(huán)流具有一些相似的規(guī)律，這些氣象因素影響著熱帶氣旋的移動(dòng)路徑?？臻g相似性是指相似的空間位置保證了相似的地理環(huán)境，而這些地形因素也對(duì)熱帶氣旋的移動(dòng)路徑產(chǎn)生著影響。

首先基于時(shí)間相似性理論，通過(guò)待預(yù)測(cè)熱帶氣旋路徑的時(shí)間信息對(duì)歷史熱帶氣旋數(shù)據(jù)庫(kù)進(jìn)行篩選。以待預(yù)測(cè)路徑當(dāng)前時(shí)間點(diǎn)的前后各45 d作為時(shí)間跨度，選擇歷年在此時(shí)間跨度內(nèi)的歷史熱帶氣旋點(diǎn)要素?cái)?shù)據(jù)。

然后基于空間相似性理論，對(duì)待分析熱帶氣旋路徑進(jìn)行緩沖區(qū)分析，緩沖區(qū)半徑設(shè)定為500 km。將得到的緩沖區(qū)范圍與上一步篩選出的歷史熱帶氣旋數(shù)據(jù)進(jìn)行疊置分析作進(jìn)一步篩選，得到待預(yù)測(cè)熱帶氣旋路徑的歷史相似數(shù)據(jù)，并以此數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)據(jù)。

經(jīng)過(guò)篩選得到的數(shù)據(jù)提高了神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的質(zhì)量，同時(shí)訓(xùn)練樣本的數(shù)量對(duì)預(yù)測(cè)的結(jié)果也起著相當(dāng)重要的作用，因此當(dāng)?shù)玫降臉颖緮?shù)據(jù)過(guò)少時(shí)可適當(dāng)增加篩選的時(shí)間跨度和空間跨度。

3.小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型建立

小波神經(jīng)網(wǎng)絡(luò)是基于小波分析理論所構(gòu)造的一種新型人工神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)以BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)，用小波基函數(shù)取代通常的非線性Sigmoid函數(shù)作為其隱含層節(jié)點(diǎn)的傳遞函數(shù)。相較于BP網(wǎng)絡(luò)，小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)速度快，泛化性能好，預(yù)測(cè)精度較高。限于篇幅，小波神經(jīng)網(wǎng)絡(luò)的基本原理本文不再贅述。

由于訓(xùn)練過(guò)程中采用目標(biāo)預(yù)測(cè)時(shí)刻的前面連續(xù)4個(gè)時(shí)刻的氣旋數(shù)據(jù)進(jìn)行預(yù)測(cè)，因此將疊置分析得到的熱帶氣旋路徑點(diǎn)要素?cái)?shù)據(jù)以熱帶氣旋編號(hào)作為主關(guān)鍵字，發(fā)生時(shí)間作為次關(guān)鍵字進(jìn)行排序。依次取相鄰的5條記錄組成一個(gè)序列，根據(jù)熱帶氣旋編號(hào)判斷5條記錄是否屬于同一熱帶氣旋，并根據(jù)發(fā)生時(shí)間判斷相鄰點(diǎn)之間的時(shí)間間隔是否為6 h，只有隸屬于同一熱帶氣旋并且相鄰記錄之間的時(shí)間間隔全部為6 h，則此序列為需要的序列，選擇前4條記錄中的位置信息(經(jīng)度值和緯度值)作為輸入數(shù)據(jù)，最后1條記錄的位置信息(經(jīng)度值或緯度值)作為輸出數(shù)據(jù)。

本文對(duì)熱帶氣旋路徑預(yù)測(cè)的經(jīng)度和緯度獨(dú)立預(yù)測(cè)，然后將預(yù)測(cè)結(jié)果進(jìn)行合成。小波神經(jīng)網(wǎng)絡(luò)分為輸入層、隱含層和輸出層3層，網(wǎng)絡(luò)結(jié)構(gòu)為8-16-1。其中輸入層有8個(gè)節(jié)點(diǎn)，分別記為X1～X8，表示預(yù)測(cè)時(shí)間節(jié)點(diǎn)的前4個(gè)時(shí)間點(diǎn)的位置信息(經(jīng)度值和緯度值)；輸出層有1個(gè)節(jié)點(diǎn)，記為Y，表示網(wǎng)絡(luò)預(yù)測(cè)的經(jīng)度值或緯度值；隱含層有16個(gè)節(jié)點(diǎn)，由小波數(shù)構(gòu)成。根據(jù)預(yù)測(cè)誤差不斷修正網(wǎng)絡(luò)的權(quán)值和小波基函數(shù)的參數(shù)，直至到滿足訓(xùn)練終止條件。

本文采用的小波基函數(shù)是應(yīng)用較為廣泛的Morlet母小波基函數(shù)，其公式為

y=cos(1.75x)e-x2/2

(1)

網(wǎng)絡(luò)的權(quán)值和參數(shù)修正采用增加動(dòng)量項(xiàng)的方法來(lái)提高學(xué)習(xí)效率。

最后用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)待分析熱帶氣旋路徑。預(yù)測(cè)更長(zhǎng)時(shí)間的經(jīng)緯度信息的方法類似，即在隸屬于同一熱帶氣旋的基礎(chǔ)上，使輸出層節(jié)點(diǎn)與輸入層的最后一個(gè)位置信息之間的時(shí)間間隔為需要預(yù)測(cè)的時(shí)間長(zhǎng)度(如12 h、18 h、24 h等)。

基于GIS和小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)熱帶氣旋路徑的整個(gè)流程如圖1所示。

圖1 基于GIS和小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)流程

三、結(jié)果分析與展示

文中隨機(jī)選擇了5條不同熱帶氣旋路徑做預(yù)測(cè)試驗(yàn)。選擇的標(biāo)準(zhǔn)是盡可能包含不同強(qiáng)度、不同走向和不同位置的路徑，以同樣的試驗(yàn)方法分別預(yù)測(cè)了6—24 h的熱帶氣旋路徑中心位置，預(yù)測(cè)結(jié)果見表1。

表1 熱帶氣旋路徑預(yù)測(cè)結(jié)果

本文基于GIS和小波神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)測(cè)方法，預(yù)測(cè)結(jié)果精度滿足相關(guān)預(yù)報(bào)領(lǐng)域規(guī)定的精度要求。文獻(xiàn)[12]提出的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)氣旋路徑的方法，其12 h和24 h的預(yù)測(cè)平均絕對(duì)誤差分別約為83.5 km和157.9 km，文獻(xiàn)[5]中提出的應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)氣旋路徑的24 h的預(yù)測(cè)平均絕對(duì)誤差為147.7 km?？梢钥闯觯疚念A(yù)測(cè)結(jié)果精度與其大體相當(dāng)，并有所提高，取得了較為理想的結(jié)果。并且由于本文試驗(yàn)方法是針對(duì)待預(yù)測(cè)熱帶氣旋選擇特定的訓(xùn)練樣本，因此該方法對(duì)不同熱帶氣旋具有較好的適用性。

以1307號(hào)超強(qiáng)熱帶氣旋“蘇力”為例對(duì)預(yù)測(cè)結(jié)果進(jìn)行展示?！疤K力”熱帶氣旋發(fā)生于2013年7月，是近些年登陸我國(guó)強(qiáng)度最大的熱帶氣旋之一，分別于7月13日03時(shí)和7月13日16時(shí)分別登陸臺(tái)灣省和福建省，給臺(tái)灣和大陸沿海經(jīng)濟(jì)和人身財(cái)產(chǎn)安全帶來(lái)嚴(yán)重的影響。

本文預(yù)測(cè)了7月10日2時(shí)至7月14日2時(shí)共17個(gè)時(shí)刻的熱帶氣旋路徑的經(jīng)緯度信息。其中6 h預(yù)測(cè)時(shí)長(zhǎng)的預(yù)測(cè)結(jié)果見表2。

表2 1307號(hào)熱帶氣旋6小時(shí)預(yù)測(cè)時(shí)間間隔的路徑預(yù)測(cè)結(jié)果 (°)

根據(jù)待預(yù)測(cè)點(diǎn)的經(jīng)緯度信息，將經(jīng)緯度誤差轉(zhuǎn)換為實(shí)地距離，得到1307號(hào)熱帶氣旋路徑中心位置6 h的平均絕對(duì)誤差為33.54 km。圖2展示了1307號(hào)熱帶氣旋從7月10日2:00—7月14日2:00共17個(gè)時(shí)刻的預(yù)測(cè)間隔為6 h路徑預(yù)測(cè)結(jié)果，其中實(shí)線部分代表真實(shí)的熱帶氣旋路徑，虛線部分則表示預(yù)測(cè)路徑。圖3展示了1307號(hào)熱帶氣旋7月12日2時(shí)之后24 h內(nèi)的預(yù)測(cè)結(jié)果。其中虛線所表示的預(yù)測(cè)路徑上的節(jié)點(diǎn)分別展現(xiàn)了這一時(shí)刻之后的6 h、12 h、18 h和24 h的路徑預(yù)測(cè)信息。

四、結(jié)束語(yǔ)

本文設(shè)計(jì)并實(shí)現(xiàn)了基于GIS分析與小波神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)測(cè)試驗(yàn)?；谙嗨评碚摬?yīng)用GIS時(shí)空數(shù)據(jù)庫(kù)與GIS分析技術(shù)對(duì)樣本進(jìn)行篩選，保證了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)樣本的質(zhì)量，同時(shí)也極大提高了樣本篩選的效率，加強(qiáng)了試驗(yàn)方法對(duì)于不同熱帶氣旋預(yù)測(cè)的適用性。

圖2 1307號(hào)熱帶氣旋6 h預(yù)測(cè)時(shí)間間隔的路徑預(yù)測(cè)結(jié)果

圖3 1307號(hào)熱帶氣旋7月12日2:00 24 h內(nèi)預(yù)測(cè)路徑

文中應(yīng)用小波神經(jīng)網(wǎng)絡(luò)對(duì)熱帶氣旋路徑進(jìn)行預(yù)測(cè)的模型簡(jiǎn)單，對(duì)預(yù)測(cè)所需數(shù)據(jù)要求極低，僅需用到歷史熱帶氣旋的位置和時(shí)間信息，方便應(yīng)用。

當(dāng)然，系統(tǒng)模型及試驗(yàn)方法還有待進(jìn)一步完善。如本文應(yīng)用的預(yù)測(cè)模型僅用到歷史熱帶氣旋的位置信息，一方面模型簡(jiǎn)單方便應(yīng)用，另一方面又損失了諸如熱帶氣旋中心氣壓、近中心最大風(fēng)速等因素對(duì)路徑預(yù)測(cè)的影響。同時(shí)，熱帶氣旋的強(qiáng)度信息在熱帶氣旋預(yù)報(bào)中也占有重要地位，接下來(lái)的研究方向主要有進(jìn)一步優(yōu)化預(yù)測(cè)模型，結(jié)合熱帶氣旋路徑與強(qiáng)度進(jìn)行綜合預(yù)測(cè)等。

[1] 孔令娜.基于GIS的熱帶氣旋路徑相似法預(yù)測(cè)的研究[D].長(zhǎng)沙:中南大學(xué),2012.

[2] 黃小燕，金龍.條件數(shù)在臺(tái)風(fēng)移動(dòng)路徑預(yù)報(bào)中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào),2007,16(3):35-40.

[3] HIRAOKA T, MSAEDA H, IKOMA N.Two-stage Prediction Method of Typhoon Position by Fuzzy Modeling-fusion of Outline Prediction and Detailed Prediction [C]∥Proceedings of IEEE International Conference on Systems, Man and Cybernetics.Tobyo:IEEE，1999.

[4] 周曾奎，韓桂榮，朱定真，等.人工神經(jīng)網(wǎng)絡(luò)臺(tái)風(fēng)預(yù)報(bào)系統(tǒng)[J].氣象,1996,22(1):18-21.

[5] 邵利民，傅剛，曹祥村，等.BP神經(jīng)網(wǎng)絡(luò)在臺(tái)風(fēng)路徑預(yù)報(bào)中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào),2009,18(6):104-111.

[6] 俞善賢，鐘元，滕衛(wèi)平.熱帶氣旋路徑人工神經(jīng)元預(yù)報(bào)方法對(duì)比試驗(yàn)研究[J].熱帶氣象學(xué)報(bào),2004, 20(5):523-529.

[7] 鄒亮，任愛珠，徐峰，等.基于GIS空間分析的臺(tái)風(fēng)路徑預(yù)測(cè)[J].清華大學(xué)學(xué)報(bào),2008,48(12):2036-2040.

[8] YING M, ZHANG W, YU H, et al.2014: An Overview of the China Meteorological Administration Tropical Cy-clone Database[J].Atmos.Oceanic Technol,2014(31):287-301.

[9] CMA Tropical Cyclone Data Center.CMA Tropical Cyclone Best Track Dataset[DB/OL].[2014-11-06].tcdata.typhoon.gov.cn.

[10] 龔健雅，李小龍，吳華意.實(shí)時(shí)GIS時(shí)空數(shù)據(jù)模型[J].測(cè)繪學(xué)報(bào), 2014,43(3):226-275.

[11] 陳聯(lián)壽，丁一匯.西太平洋臺(tái)風(fēng)概論[M].北京:科學(xué)出版社,1979:1-2.

[12] 呂慶平，羅堅(jiān)，朱坤，等.基于人工神經(jīng)網(wǎng)絡(luò)的熱帶氣旋路徑預(yù)報(bào)試驗(yàn)[J].廣東氣象,2009,31(1):15-18.

Tropical Cyclone Track Forecasting Based on GIS and Wavelet Neural Network

SUN Haiyan，ZHAO Yang，WAN Taili

孫海燕，趙陽(yáng)，萬(wàn)太禮.GIS與小波神經(jīng)網(wǎng)絡(luò)下熱帶氣旋路徑的預(yù)測(cè)[J].測(cè)繪通報(bào)，2015(7)：54-57.

10.13474/j.cnki.11-2246.2015.0210

2014-11-06

國(guó)家科技支撐計(jì)劃 (2011BAK07B02)；國(guó)家自然科學(xué)基金(91024032)

孫海燕(1960—)，男，教授，主要研究方向?yàn)闉?zāi)害監(jiān)測(cè)與應(yīng)急管理、測(cè)量數(shù)據(jù)處理。E-mail：595087300@qq.com

P208

：B

：0494-0911(2015)07-0054-04