徐全軍，謝志敏，李崢，蒲軍,3，王學(xué)志，林青慧*

1.中國(guó)人民解放軍海洋環(huán)境專(zhuān)項(xiàng)辦公室，北京 100081

2.中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心，北京 100190

3.中國(guó)科學(xué)院大學(xué)，北京 100049

基于決策樹(shù)的雷暴天氣短臨預(yù)報(bào)

徐全軍1，謝志敏1，李崢2，蒲軍2,3，王學(xué)志2，林青慧2*

1.中國(guó)人民解放軍海洋環(huán)境專(zhuān)項(xiàng)辦公室，北京 100081

2.中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心，北京 100190

3.中國(guó)科學(xué)院大學(xué)，北京 100049

雷暴天氣是指伴有雷電、冰雹、大風(fēng)和強(qiáng)降水的局地強(qiáng)對(duì)流性天氣，它對(duì)航空運(yùn)輸、電力設(shè)施、通訊設(shè)備與建筑物等均可造成不同程度的破壞，嚴(yán)重時(shí)甚至造成人員傷亡。開(kāi)展雷暴天氣過(guò)程的短臨預(yù)報(bào)具有重要的科學(xué)意義與實(shí)用價(jià)值。本文對(duì)我國(guó) 2010～2015年雷暴天氣事件的時(shí)空分布特征進(jìn)行了統(tǒng)計(jì)分析，結(jié)果表明：雷暴天氣事件集中分布于國(guó)內(nèi)少數(shù)區(qū)域夏季 7～8月份的14:00～18:00 點(diǎn)。在此基礎(chǔ)上，基于 2010～2015年的地面氣象觀測(cè)資料建立決策樹(shù)模型，預(yù)測(cè)未來(lái)3～4 小時(shí)雷暴天氣的發(fā)生概率。模型對(duì)雷暴事件的漏報(bào)率和誤報(bào)率均低于 10%，這一結(jié)果表明：本文所建立的模型能夠較為準(zhǔn)確地進(jìn)行雷暴天氣短臨預(yù)報(bào)，能夠?yàn)楸Ｕ巷w行安全提供較為可靠的決策支持。而對(duì)特征的相對(duì)重要性排序結(jié)果表明：測(cè)站的地理環(huán)境特征和氣象條件對(duì)雷暴天氣過(guò)程的發(fā)生具有顯著的影響。

雷暴；時(shí)空分布；短臨預(yù)報(bào)；決策樹(shù)

引言

氣象條件對(duì)于航空安全有著十分重要的影響，其中雷暴天氣過(guò)程能夠決定飛機(jī)是否能夠正常起降。雷暴天氣是一種常常伴隨雷擊和閃電的局地對(duì)流性天氣，屬于強(qiáng)對(duì)流天氣系統(tǒng)的一種且時(shí)常在生活中發(fā)生。隨著我國(guó)航空事業(yè)的不斷發(fā)展和服務(wù)水平的逐步提高，雷暴天氣對(duì)航空等領(lǐng)域的安全性和實(shí)效性構(gòu)成了極大的威脅。雷暴天氣不僅直接影響航空器和乘客的安全狀況，并且也會(huì)對(duì)航空公司的服務(wù)水平以及機(jī)場(chǎng)的治安穩(wěn)定造成巨大影響。近來(lái)世界各國(guó)已發(fā)生多起因氣象原因?qū)е碌暮娇帐鹿剩约昂桨嘌诱`致使乘客影響機(jī)場(chǎng)秩序的社會(huì)事件，對(duì)社會(huì)穩(wěn)定和治安造成了十分惡劣的影響。

目前，雷暴天氣預(yù)報(bào)已成為了航空預(yù)報(bào)中的重要工作，雷暴天氣的準(zhǔn)確預(yù)測(cè)對(duì)社會(huì)經(jīng)濟(jì)特別是航空領(lǐng)域具有十分重要的指導(dǎo)意義。但是，短時(shí)且有效的雷暴天氣預(yù)報(bào)方法仍然亟待研究，以方便對(duì)各類(lèi)事件進(jìn)行提前的規(guī)劃和防范，以減少因雷暴氣象造成的不必要損失，對(duì)提高航空業(yè)飛行安全系數(shù)和服務(wù)水準(zhǔn)具有十分積極的影響。

1 相關(guān)工作

1.1 雷暴天氣的影響因素

雷暴天氣的具體形成受到多方面因素的影響。從氣象學(xué)角度出發(fā)，文獻(xiàn)[1,2]中均指出，雷暴天氣主要是在不穩(wěn)定的大氣層，充足的水汽和強(qiáng)大的沖擊力下三個(gè)條件下形成的。

不穩(wěn)定的大氣主要是因?yàn)榇怪睔饬鞫a(chǎn)生的，較重的空氣垂直運(yùn)動(dòng)到較輕的空氣之上，再加上太陽(yáng)的輻射使得不穩(wěn)定能量增加[2]，不穩(wěn)定的能量使得大氣之間碰撞進(jìn)而形成雷暴。其次，充足的水汽也是雷暴形成的一個(gè)關(guān)鍵因素，充足水汽不僅有利于形成積雨云，同時(shí)會(huì)因?yàn)榕c干燥不飽和空氣融合進(jìn)而限制上升運(yùn)動(dòng)。最后，強(qiáng)大的沖擊力也是雷暴天氣形成的必不可少的關(guān)鍵，只有強(qiáng)大的沖擊力才可以推動(dòng)空氣進(jìn)行不斷的位置轉(zhuǎn)移，通過(guò)這樣強(qiáng)大的能量使得空氣能夠上升到自由對(duì)流的高度，從而形成強(qiáng)雷暴天氣。

同時(shí)一些科研工作者研究了雷暴形成的其他因素：胡艷[3]等人利用經(jīng)驗(yàn)正交函數(shù) (EOF) 分析了上海地區(qū)雷暴的氣候變化及可能影響因素，其表示雷暴的發(fā)生不僅與大氣背景相關(guān)，同時(shí)局地的氣候變化也對(duì)雷暴的形成具有深遠(yuǎn)的影響。鄭永光[4]等人對(duì)強(qiáng)對(duì)流天氣的發(fā)展條件機(jī)理進(jìn)行了研究，分析了極端降水與地面露點(diǎn)因素的關(guān)系，同時(shí)提出了對(duì)極端強(qiáng)對(duì)流天氣各類(lèi)概念的認(rèn)識(shí)和理解。

1.2 雷暴天氣的預(yù)測(cè)方法

在此之前，各級(jí)氣象部門(mén)對(duì)雷暴預(yù)報(bào)的研究投入了大量的精力，業(yè)內(nèi)各方均提出了很多種對(duì)于雷暴天氣的預(yù)測(cè)模型。傳統(tǒng)方法多是基于氣象學(xué)方法，聯(lián)合判別指標(biāo)進(jìn)行雷暴的預(yù)報(bào)，例如，孔德兵[5]等人提出了一種基于逐步回歸分析的雷暴概率預(yù)測(cè)方法，其在天氣分型的基礎(chǔ)上通過(guò)利用事件回歸方法建立了雷暴概率預(yù)測(cè)方程，并取得很好的預(yù)測(cè)效果。秦春明[6]等人采用了天氣分型、物理因子判別以及數(shù)值預(yù)報(bào)產(chǎn)品釋用等方法對(duì)葫蘆島地區(qū)的雷暴進(jìn)行了較好的預(yù)報(bào)。郭睿君[7]通過(guò)對(duì)歷史數(shù)據(jù)的組合計(jì)算，探索出一系列密切影響雷暴的因子，利用多因子綜合相關(guān)法建立預(yù)報(bào)方程進(jìn)行雷暴預(yù)報(bào)。胡富泉[8]通過(guò)對(duì)上海市歷史強(qiáng)對(duì)流天氣個(gè)例的統(tǒng)計(jì)以及對(duì)典型個(gè)例成因機(jī)制的分析，提出了特型法用于強(qiáng)對(duì)流天氣的短期預(yù)報(bào)。張星辰[9]等人分析了河西走廊東部地區(qū)近 40年的強(qiáng)雷暴天氣的氣候規(guī)律，探究出雷暴發(fā)生時(shí)主要的環(huán)流狀況和天氣條件，并以這些發(fā)現(xiàn)進(jìn)行了雷暴的短期預(yù)報(bào)。

近來(lái)，很多學(xué)者開(kāi)始通過(guò)利用機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘的方法對(duì)雷暴進(jìn)行預(yù)測(cè)，例如袁野[10]等人通過(guò)樸素貝葉斯分類(lèi)器和貝葉斯判別準(zhǔn)則建立了“雷暴有無(wú)”的預(yù)報(bào)模型并取得了很好的預(yù)報(bào)效果。將雷暴預(yù)報(bào)問(wèn)題轉(zhuǎn)化為雷暴有無(wú)的分類(lèi)問(wèn)題，證明機(jī)器學(xué)習(xí)的方法在雷暴預(yù)報(bào)領(lǐng)域有著較好的應(yīng)用前景。趙旭寰[11]等人首次嘗試將人工神經(jīng)網(wǎng)絡(luò)用于雷暴天氣預(yù)報(bào)，使用探空資料計(jì)算出一系列與雷暴形成有關(guān)的因子，從而建立神經(jīng)網(wǎng)絡(luò)模型對(duì)雷暴天氣進(jìn)行預(yù)測(cè)，實(shí)驗(yàn)結(jié)果令人滿(mǎn)意并初步證明了神經(jīng)網(wǎng)絡(luò)在雷暴天氣預(yù)報(bào)中的可行性。之后，陳勇偉[12]等人提出另一種基于 BP 神經(jīng)網(wǎng)絡(luò)的方法，選取了與雷電發(fā)生關(guān)系較好的 7 個(gè)對(duì)流參數(shù)作為 BP 神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元，以期待解決了雷電潛勢(shì)預(yù)報(bào)中經(jīng)常出現(xiàn)的非線性問(wèn)題，實(shí)驗(yàn)結(jié)果表明該 BP 模型預(yù)報(bào)準(zhǔn)確率較高，效果十分突出。

2 研究方法

2.1 數(shù)據(jù)

本文對(duì)雷暴天氣事件記錄進(jìn)行統(tǒng)計(jì)分析和建立預(yù)測(cè)模型，該記錄來(lái)自 2010年1月至2015年2月的國(guó)內(nèi)航空危險(xiǎn)天氣資料。該資料記錄了每次危險(xiǎn)天氣事件的發(fā)生日期、時(shí)間、站點(diǎn)，氣溫、氣壓、濕度、風(fēng)向、風(fēng)速、云量、能見(jiàn)度、天氣現(xiàn)象等氣象要素觀測(cè)結(jié)果。

模型構(gòu)建使用 2010年1月至2015年2月的地面氣象觀測(cè)數(shù)據(jù)，用于預(yù)測(cè)雷暴天氣事件的發(fā)生概率。該資料記錄了觀測(cè)站點(diǎn)、日期、時(shí)間，氣溫、氣壓、濕度、風(fēng)向、風(fēng)速、云量、云底高、能見(jiàn)度、降水、天氣現(xiàn)象等氣象要素的觀測(cè)結(jié)果。

2.2 歷史數(shù)據(jù)分析

本文對(duì) 2010年1月至2015年2月的雷暴天氣事件記錄進(jìn)行統(tǒng)計(jì)，分析該天氣事件的時(shí)空分布特征，主要包括：站點(diǎn)分布，年、月、時(shí)的發(fā)生時(shí)間分布，以此輔助數(shù)據(jù)集構(gòu)建、特征選擇和預(yù)測(cè)模型的建立。

2.3 預(yù)測(cè)模型

本文建立決策樹(shù)模型，使用地面氣象觀測(cè)數(shù)據(jù)預(yù)測(cè)未來(lái) 3～4 小時(shí)目標(biāo)站點(diǎn)的雷暴天氣發(fā)生概率。使用的氣象特征包括測(cè)站經(jīng)緯度、高度等，氣溫、氣壓、濕度、風(fēng)向、風(fēng)速、云量、能見(jiàn)度、天氣現(xiàn)象等氣象要素。

建立預(yù)測(cè)模型所使用的數(shù)據(jù)中，全部雷暴天氣事件記錄作為正樣本，對(duì)非雷暴記錄進(jìn)行比例為 1% 的抽樣后作為負(fù)樣本。二者合并作為樣本數(shù)據(jù)集，其中90% 作為訓(xùn)練數(shù)據(jù)集用于模型的訓(xùn)練，10% 作為驗(yàn)證數(shù)據(jù)集用于驗(yàn)證預(yù)測(cè)模型的性能和準(zhǔn)確度。

3 結(jié)果與討論

3.1 歷史數(shù)據(jù)分析

雷暴天氣事件的站點(diǎn)分布特征如圖1所示。13%的國(guó)內(nèi)地面氣象站記錄了雷暴天氣事件，并且集中于其中的少數(shù)站點(diǎn)?？梢酝茰y(cè)，雷暴天氣過(guò)程與站點(diǎn)所處地域的地理特征具有較高的相關(guān)性。站點(diǎn)信息反映了所在區(qū)域特定的地形、地貌、土壤、植被等地理信息，以及地面與大氣之間的熱量和水分交換等陸面過(guò)程，從而影響氣象條件和雷暴天氣形勢(shì)的發(fā)生和發(fā)展。

雷暴天氣事件的年分布特征如圖2 所示。全部數(shù)據(jù)集記錄了2010年1月至2015年2月的雷暴天氣事件。2011～2014 記錄了絕大部分雷暴天氣事件?？赡苡捎跀?shù)據(jù)記錄不完整的原因，早期的記錄 (如：2010年) 數(shù)量較少。而2015年的數(shù)據(jù)僅2個(gè)月，因此數(shù)據(jù)記錄也很少。

雷暴天氣事件的月分布特征如圖3所示。6～9月份為雷暴天氣事件的高發(fā)時(shí)段，其中 7～8月份最多，是夏季強(qiáng)對(duì)流天氣多發(fā)的時(shí)段。這一時(shí)段的氣象條件，有利于雷暴天氣的產(chǎn)生，并且常伴有大風(fēng)、冰雹、短時(shí)強(qiáng)降水等天氣過(guò)程。

雷暴天氣事件的發(fā)生時(shí)間分布特征如圖4所示。這一天氣事件的高發(fā)時(shí)間段是 14:00～18:00 點(diǎn)，可能與該時(shí)間段的大氣狀況，以及地面和大氣的溫度差異與水汽交換等過(guò)程有關(guān)。

3.2 雷暴天氣預(yù)測(cè)

雷暴天氣預(yù)測(cè)模型一的訓(xùn)練結(jié)果 ROC 曲線如圖5所示。訓(xùn)練集的 AUC 值約 0.96，雷暴事件和非雷暴事件的預(yù)測(cè)正確率分別約 90% 和 92%，表明模型在訓(xùn)練集上具有較好的性能和預(yù)測(cè)正確率。使用訓(xùn)練完成的模型在驗(yàn)證集上測(cè)試模型性能，AUC 值約 0.97，雷暴事件和非雷暴事件的預(yù)測(cè)正確率分別約91% 和 94%，表明所建立的預(yù)測(cè)模型能夠以很高的準(zhǔn)確度進(jìn)行雷暴天氣事件的短臨預(yù)測(cè)。

圖1 雷暴天氣事件的站點(diǎn)分布Fig.1 Station distribution of the thunderstorm event

圖2 雷暴天氣事件的年分布Fig.2 Annual distribution of the thunderstorm event

圖3 雷暴天氣事件的月分布Fig.3 Month distribution of the thunderstorm event

圖4 雷暴天氣事件的發(fā)生時(shí)間分布Fig.4 Temporal distribution of the thunderstorm event

使用訓(xùn)練完成的預(yù)測(cè)模型，對(duì)輸入特征的相對(duì)重要性進(jìn)行排序，結(jié)果如圖6所示。特征的F分值越高，其對(duì)預(yù)測(cè)結(jié)果的重要程度越大。最重要的前5個(gè)特征依次為：測(cè)站緯度、經(jīng)度、高度、氣溫、露點(diǎn)。這一結(jié)果說(shuō)明：測(cè)站的地理信息對(duì)于雷暴天氣的形成具有最為顯著的影響。

為了驗(yàn)證測(cè)站地理信息對(duì)于雷暴天氣的影響，將測(cè)站經(jīng)緯度和高度從輸入特征中排除，使用其他特征建立預(yù)測(cè)模型二，其訓(xùn)練結(jié)果 ROC 曲線如圖7所示。與模型一相比，模型二對(duì)雷暴事件的預(yù)測(cè)準(zhǔn)確率顯著下降。訓(xùn)練集的 AUC 值約 0.91，雷暴事件的預(yù)測(cè)正確率約 65%。使用訓(xùn)練完成的模型在驗(yàn)證集上測(cè)試模型性能，AUC 值約 0.86，雷暴事件的預(yù)測(cè)正確率約 55%。

圖5 模型一的訓(xùn)練結(jié)果Fig.5 Training results of model 1

圖6 模型一的特征重要性排序Fig.6 Feature importance of model 1

圖7 模型二的訓(xùn)練結(jié)果Fig.7 Training results of model 2

圖8 模型二的特征重要性排序Fig.8 Feature importance of model 2

在不使用測(cè)站地理信息進(jìn)行預(yù)測(cè)的情況下，模型二對(duì)雷暴事件的預(yù)測(cè)正確率顯著下降，這一結(jié)果表明：測(cè)站地理信息對(duì)于雷暴天氣事件的正確預(yù)測(cè)具有顯著的影響，是影響雷暴天氣發(fā)生的重要特征之一。

預(yù)測(cè)模型二對(duì)輸入特征的相對(duì)重要性排序結(jié)果如圖8所示。最重要的前5個(gè)特征依次為：氣壓、海平面氣壓、露點(diǎn)、氣溫、3 小時(shí)變壓。這一結(jié)果說(shuō)明：氣象要素中的氣壓和溫度對(duì)雷暴事件的發(fā)生具有較為重要的影響。

4 總結(jié)

本文對(duì) 2010～2015年國(guó)內(nèi)氣象臺(tái)站的雷暴天氣事件記錄進(jìn)行了統(tǒng)計(jì)分析，分析結(jié)果表明：雷暴天氣事件集中分布于國(guó)內(nèi)少數(shù)區(qū)域，夏季 7～8月份為多發(fā)時(shí)段，14:00～18:00 點(diǎn)為高發(fā)時(shí)間段。說(shuō)明：特定區(qū)域的地理特征與雷暴天氣過(guò)程的發(fā)生具有重要的關(guān)聯(lián)。

本文針對(duì) 2010～2015年國(guó)內(nèi)氣象臺(tái)站的雷暴天氣事件記錄，建立決策樹(shù)模型，使用地面氣象觀測(cè)資料預(yù)測(cè)未來(lái) 3～4 小時(shí)的雷暴天氣發(fā)生概率。模型訓(xùn)練和驗(yàn)證的結(jié)果表明：對(duì)雷暴和非雷暴事件的預(yù)測(cè)準(zhǔn)確率均在 90% 以上，漏報(bào)率和誤報(bào)率均低于 10%。對(duì)特征的相對(duì)重要性排序結(jié)果表明：測(cè)站所處區(qū)域的地理特征和氣象條件對(duì)雷暴天氣過(guò)程的發(fā)生具有顯著的影響。

由于雷暴天氣對(duì)于航空安全具有十分重大的影響，因此對(duì)雷暴天氣進(jìn)行準(zhǔn)確的預(yù)測(cè)具有十分重要的現(xiàn)實(shí)意義。目前業(yè)務(wù)使用的雷暴預(yù)測(cè)技術(shù)主要是基于數(shù)值天氣預(yù)報(bào)結(jié)果進(jìn)行人工判別，而本文基于機(jī)器學(xué)習(xí)方法所建立的模型能夠較為準(zhǔn)確地進(jìn)行雷暴天氣的短臨預(yù)報(bào)，為保障飛行安全提供較為可靠的決策支持，對(duì)于民航運(yùn)輸和空軍執(zhí)行任務(wù)來(lái)說(shuō)具有十分廣闊的應(yīng)用前景。

[1]徐達(dá).雷暴天氣分析及其對(duì)飛行的影響[J].科技風(fēng),2014(24): 17-17.

[2]陳嵩.夏季雷暴的形成過(guò)程以及影響飛行安全的因素[J].科技展望,2015(15).

[3]胡艷,端義宏.上海地區(qū)雷暴天氣的氣候變化及可能影響因素[J].中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版)自然科學(xué)版,2006,36(4): 588-594.

[4]鄭永光,陶祖鈺,俞小鼎.強(qiáng)對(duì)流天氣預(yù)報(bào)的一些基本問(wèn)題[J].氣象,2017,43(6).

[5]孔德兵,尚可政,王式功,趙文婧,葉偉.基于逐步回歸分析的西北地區(qū)東部雷暴概率預(yù)報(bào)方法研究[J].干旱氣象,2016,34(01): 181-187.

[6]秦春明,尚可政,王式功,李艷,楊德保,陳億.遼寧葫蘆島 1～10d 雷暴天氣預(yù)報(bào)方法[J].干旱氣象,2012,30(02): 192-201.

[7]郭睿君.伊寧機(jī)場(chǎng)雷暴的統(tǒng)計(jì)預(yù)報(bào)方案[J].新疆氣象,2000,(03): 9-10.

[8]胡富泉.一種強(qiáng)對(duì)流天氣短期預(yù)報(bào)方法的研究和試報(bào)[J].高原氣象,1996,(03): 99-105.

[9]張星辰,陳雷,把多輝,劉賢.河西走廊東部強(qiáng)雷暴天氣分析與預(yù)報(bào)[J].氣象科技,2003,(05): 280-283.

[10]袁野,胡邦輝,劉丹軍,等.基于貝葉斯分類(lèi)判別方法的雷暴預(yù)報(bào)研究[C].中國(guó)氣象學(xué)會(huì)年會(huì).2009.

[11]趙旭寰,王振會(huì),肖穩(wěn)安,等.神經(jīng)網(wǎng)絡(luò)在雷暴預(yù)報(bào)中的應(yīng)用初步研究[J].熱帶氣象學(xué)報(bào),2009,25(3): 357-360.

[12]陳勇偉,鄭濤,王漢堃,等.基于 BP 神經(jīng)網(wǎng)絡(luò)模型的雷電潛勢(shì)預(yù)報(bào)[J].干旱氣象,2013,31(3): 595-601.

Thunderstorm Short-Term Forecast Using Decision Tree Model

Xu Quanjun1,Xie Zhimin1,Li Zheng2,Pu Jun2,3,Wang Xuezhi2,Lin Qinghui2*

1.Marine Environment Special Of fice of the Chinese People's Liberation Army,Beijing 100081,China
2.Computer Network Information Center,Chinese Academy of Sciences,Beijing 100190,China
3.University of Chinese Academy of Sciences,Beijing 100049,China

The thunderstorm is local strong convection weather with light,hail,strong wind and heavy precipitation.It can lead to different degree of damages to air transportation,electric power facilities,communication equipment and buildings,even serious casualties.It is of important scientific significance and practical values to the thunderstorm forecast.This study analyzed the temporal-spatial distribution of the civil thunderstorm event in 2010～2015,indicating that the thunderstorm event mainly located in limited regions at 14:00～18:00 in July to August of the summer.The decision tree model was built based on the civil surface meteorological observations in 2010～2015,to predict the probability of the thunderstorm event in 3～4 hours.The model predict the positive and the negative samples with the error lower than 10%respectively,showing that the model was capable of the correct thunderstorm short-term forecast,and can provide reliable decision support for flight safety.Moreover,the feature importance shows that the local geographical characteristics and meteorological conditions have signi ficant influence on the thunderstorm event.

thunderstorm; temporal-spatial distribution; short-term forecast; decision tree

10.11871/j.issn.1674-9480.2017.02.008

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目 (2016YFB0501900，2016YFB1000600)

*通訊作者：林青慧(lqh@cnic.cn)

2017年1月20日

徐全軍：中國(guó)人民解放軍海洋環(huán)境專(zhuān)項(xiàng)辦公室，高級(jí)工程師，研究方向?yàn)楹Ｑ蟓h(huán)境監(jiān)測(cè)與數(shù)據(jù)管理技術(shù)。

E-mail:zcqxjxqj@126.com

謝志敏：中國(guó)人民解放軍海洋環(huán)境專(zhuān)項(xiàng)辦公室，參謀，研究方向?yàn)闅庀笏念A(yù)報(bào)保障。

E-mail:xie1981minyue@sina.com

李 錚：中國(guó)科學(xué)院與計(jì)算機(jī)網(wǎng)絡(luò)信息中心，助理研究員，研究方向?yàn)榇髷?shù)據(jù)分析與挖掘。

E-mail:lizheng@cnic.cn

蒲 軍：中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心，碩士研究生，研究方向?yàn)闀r(shí)空數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)。

E-mail:pujun@cnic.cn

王學(xué)志：中國(guó)科學(xué)院與計(jì)算機(jī)網(wǎng)絡(luò)信息中心，副研究員，研究方向?yàn)榇笠?guī)模時(shí)空數(shù)據(jù)處理與分析。

E-mail:wxz@cnic.cn

林青慧：中國(guó)科學(xué)院與計(jì)算機(jī)網(wǎng)絡(luò)信息中心，副研究員，研究方向?yàn)榭茖W(xué)數(shù)據(jù)管理與共享。

E-mail:lqh@cnic.cn