第四范式视角下的大数据科学

随着物联网、云计算技术的飞速发展,大数据及其相关科学成为学术界和工业界关注的热点.本文从范式理论的角度对大数据科学进行剖析,阐述大数据研究与传统研究的联系与区别;从机器学习的视角出发,分析了大数据带来的三大主要挑战及其背后的科学问题.此外,本文介绍了第四范式视角下进行大数据科学研究的洞察力,以及其所具有的积极意义;最后总结并展望未来大数据科学面临的挑战.     

伴随方程在水汽资料四维同化中的应用I.理论

由于水汽相变等过程为快过程,再考虑到水汽观测误差不服从正态分布,可以认为将水汽资料与其他观测误差进行正态分布的气象资料联合同化是一种不合适的方法.故应单独对水汽资料进行同化.在下边界为第三类边界条件下,推导了适合于数值天气预报的水汽方程的伴随方程;利用目标函数的极值性,得出了水汽的四维资料同化问题的伴随算法;证明了目标函数给出的极值点为最小值点,且是惟一的.     

诊断天气气候时间序列极值特征的一种新方法

将平稳过程的交叉理论用于天气气候极值分析,提出了一种诊断天气气候时间序列极值特征量的新方法,在正态假设下,推证出天气气候记录中,极值出现频数、持续时间和等待时间的估计公式,论证了极值出现频数与其频谱结构的对应关系及其相互推算方法.实例应用表明,其理论计算值与实测值相当一致,这种方法对于气候变化诊断与预测和天气预报具有很强的实用价值.     

南京过去100年极端日降水量模拟研究

在南京过去100年日降水资料的基础上,利用极值理论中的区组模型和阈值模型分析了极端日降水分布特征.首先通过广义极值(GEV)模型模拟了日降水的年极值序列(AMDR),用极大似然估计(MLE)方法计算了模型的参数,并借助轮廓似然函数估计出参数的精确误差区间,同时采用4种较直观的诊断图形对模型的合理性进行全面评估,结果表明Frechet是区组模型中最适合描述极端日降水分布特征的函数.其次,将日降水序列分3种情景构建极值分布的阈值模型(GPD),考察了观测数据的规模对应用该模型的限制,重点讨论了如何针对给定观测样本选择合适的阈值收集极值信息.分析结果认为,长度不小于50年的气候序列,采用24 mm的日降水量作为临界阈值均能进行GPD分析.该阈值处于年降水序列第91个百分位附近,即对目前长度为50年左右的日观测资料,第91个百分位点以上的数据基本能满足GPD研究的需要.另外,根据GEV和GPD对未来极端降水重现水平的推断情况,GPD预测值的置信区间要比GEV的窄,极值推断的不确定性相对也较小,更适合用于研究中国目前规模不大的气候资料.最后,对GPD模型的形状参数和尺度参数进行变换,分别引入描述线性变化的动态变量,分析降水序列中潜在的变异行为对极值理论应用的影响.这种变异包括降水序列中长期的均值变化及百分位变化,从模拟结果看,暂未发现资料变异行为对极值分析产生显著于扰.     

气候变化对水文季节性迁移的影响：以水库汛期分期和极值降水为例

气候变化影响下水利工程的可靠设计和安全运行是广大决策者、研究者和公众共同关注的热点问题。以清江流域为研究对象,首先采用模糊集合分析法对不同温室气体排放情景(A2、A1B和B1)下的逐日降水资料进行汛期分期,再通过广义极值分布(GEV)函数对各分期的极值降水序列进行频率分析。结果表明,降水季节性迁移直接影响汛期分期;3种排放情景下未来各时段(2011—2030年、2046—2065年和2080—2099年)的主汛期较基准期均推迟且有缩短趋势。对于极值降水量级,未来情景下明显小于基准期,且这种差距随着重现期的增大而增大;主汛期明显大于前汛期和后汛期,且在时段之间的差异明显大于排放情景之间的差异。     

非正态分布的天气气候序列极值特征诊断方法研究

推广了非正态假设下的交叉理论,且将其用于极值特征的诊断,并从理论上导出了适用性更广的基于Gamma分布和负指数分布的极值特征量诊断公式及其样本估计式.以有关降水要素的时间序列为例,说明了这种方法在天气气候诊断与气候影响研究中的应用前景.     

极值统计理论的进展及其在气候变化研究中的应用

着重论述极值统计分布在极端天气气候事件和重大工程设计中的重要意义,综述该领域国内外研究进展。例如,基于超门限峰值法（POT）的广义帕累托分布（GPD)和基于单元极大值法（BM）的广义极值分布（GEV）及其参数间的理论关系;采用极值分布模型与多状态一阶Markov链相结合构建降尺度模型模拟局地极端降水事件,推算一定重现期的极端降水量的分位数;探讨极值分布模型分位数估计误差问题,多维极值分布理论及其应用等问题。     

探讨灾害规律的理论基础--极端气候事件概率

分析了国内外极端气候事件研究的现状,从经典极值分布理论、极值分布模式的参数估计、广义极值分布等方面,阐述了近年来国际上常用的理论及研究方法。为了更好地佐证进行极端气候事件发生概率研究的重要性,列举了作者在该领域的一些成功研究成果,并认为极端气候事件概率问题是探讨气象灾害规律的理论基础。     

淮河流域极值降水的统计参数特征及在水文频率分析中的意义

以淮河流域为研究区域,利用线性矩精确求解极值降水统计特征值,为极值降水频率估计值的计算提供理论基础和依据.主要结果表明：淮河流域各站点的年最大日降雨量（Annual Maximum Precipitation,AMP）的均值和离差范围分别为92.79~130.28 mm和0.193~0.266;各站点的AMP分布都为右偏分布,即至少有一半以上的AMP值是小于平均值的,有少数的AMP值远大于平均值,且对平均值的影响较大;各站点的分布相对于正态分布而言,都属于尖峰厚尾.极值降水统计特征值的空间分布表明：大值主要分布在流域的西南山区和东部丘陵地带,即这些地方具有更多更强的AMP极值.极值降水统计参数不仅能够反映AMP的一般平均水平和年际AMP的波动情况,还能更好地掌握AMP的两端分布情况,特别是尾端的暴雨极值.因此分析极值降水统计参数可以给洪涝灾害提供很好的指导.     

未来情景下南水北调中线工程水源区极端降水分布特征

利用南水北调中线工程水源区9个气象站点1961-2008年的日降水资料和IPCC第四次评估报告多模式数据结果,抽取逐年的最大日降水量序列样本,运用广义极值分布（GEV）和广义帕累托分布 (GPD）两种极值统计模型对样本进行拟合,遴选出描述流域最大日降水量分布规律的最优概率模型,推算重现期对应的降水量值,并预估该流域极端降水事件在未来气候变化情景下的响应。研究表明：南水北调中线工程水源区降水极值均符合GEV和GPD分布,但GPD模型更适合用于描述该流域降水极值分布;未来气候变化情景下用GPD分布拟合的降水极值优于使用GEV分布;A2情景下极端降水事件的发生将更频繁、更强烈,A1B情景下次之,B1情景下相对较小,表明未来高排放气候情景对极端降水事件的影响比中、低排放情景大。     

云分类中逐个修改聚类和模糊聚类分类性能的对

利用卫星图像对各种云型进行识别在大气科学领域具有重要意义，为了深入了解云分类过程中逐个修改聚类和模糊聚类对各种云型的识别能力，采用极轨卫星EOS／MODIS图像资料和静止卫星GMS-5图像资料，在样本采集和特征提取的基础上。选择不同的光谱或纹理特征对两种分类器的分类性能进行测试和对比分析。结果发现，不管采用哪种图像资料，提取哪些特征量，逐个修改聚类的平均分类准确率总体上略高于模糊聚类。但就两种分类器对各种云型的识别能力而言，模糊聚类对低云和高云（如层云、薄卷云、密卷云、卷层云、积云）的分类准确率明显好于逐个修改聚类，而逐个修改聚类对积雨云的分类准确率稍高于模糊聚类。从各类别间混判的情形来看，积雨云和高中低混合云、低云之间及卷云子类之间混判的情形较多，模糊聚类与逐个修改聚类相比，混判的类别增多，相对比例减少。     

多属性直觉模糊容差粗糙集模型

在直觉模糊信息系统的背景下提出了基于容差关系的直觉模糊粗糙集模型,从乐观悲观两个角度出发对目标集进行刻画,是对目标集的一种新的逼近方法,同时,可以发现乐观与悲观上下近似的关系.通过求解近似精度可以发现乐观直觉模糊粗糙集模型的近似精度更高.最后给出实证分析,进一步验证结论的有效性.     

一种基于地面实况的降雹风暴体客观标识方法

标识工作是建立深度学习数据集的关键基础,对观测数据匮乏的冰雹等灾害性天气智能预报尤为重要。选取2008—2019年重庆地区灾情报告中有准确时间的13次降雹过程（分为参照集和验证集）,利用模糊逻辑算法,建立基于地面实况的降雹风暴体客观标识方法。为获取冰雹与风暴体的合理匹配,选取风暴质心与降雹地点间距离、风暴最大反射率因子、45 dBZ反射率因子最大高度、最大垂直积分液态水含量、最大回波顶高作为判别因子。对于参照集,客观标识方法正确标识7次,其中有5次标识时间与灾情报告记录时间相差在6 min以内。对于验证集,算法标识正确率为100%。为了扩大检验范围,将算法用于无准确时间的22次降雹过程,并将结果与预报员人工标识结果进行比较后发现,二者往往标识的是同一风暴体。上述结果表明:该方法在时间信息模糊的情况下可进行标识。同时发现该方法不依赖于冰雹尺寸、发生时间及风暴体生命史长度,但对初始猜测位置、风暴体识别算法较为敏感。     

三维雷达反射率资料用于层状云和对流云的识别研究

基于层状云和对流云的雷达反射率分布的三维形态特征，提出了识别层状云和对流云的6个候选识别参数，它们分别是:组合反射率及其水平梯度，反射率因子等于35 dBZ的回波顶高及其水平梯度、垂直累积液态水含量及其密度。通过分析候选识别参数分布图和选取的反射率垂直剖面图，用人机交互方式挑选“真实的”层状云和对流云区，统计这6个候选识别参数分布的概率密度特征；最后确定把分布概率密度更集中的组合反射率水平梯度、35 dBZ的回波顶高的水平梯度和垂直累积液态水含量密度作为识别参数，利用模糊逻辑法进行层状云和对流云的识别。用三个个例进行了识别试验，并把用模糊逻辑法识别的结果与用改进的巅峰值法识别的结果进行了比较，结果表明:用模糊逻辑法和改进的巅峰值法都能合理地识别大部分层状云和对流云；由于改进的巅峰值法只考虑了反射率分布的二维形态特征，它容易把对流核的外围识别成层状云，把厚实的层状云识别成对流云，而考虑了反射率分布的三维形态特征的模糊逻辑法在这两个方面有很大改善。     

模糊逻辑法在双线偏振雷达识别降水粒子相态中的研究

根据不同相态降水粒子的散射和空间取向等特征建立了基本形式为不对称的T型函数的模糊逻辑识别的隶属函数, 完善了该识别方法的流程, 并利用美国KOUN雷达的观测资料, 详细讨论了利用双线偏振雷达观测资料识别降水粒子相态的方法, 并对其在实际业务运用中的合理性和可行性进行分析探讨.通过分析, 作者认为: (1)利用模糊逻辑方法处理双线偏振雷达测量到的偏振参数, 可以识别降水区域的降水粒子相态, 反映降水区域的相态结构, 识别的结果基本合理, 但还需要资料作进一步的研究.(2)从实际资料的分析结果来看, 虽然利用模糊逻辑法识别降水粒子相态得到的结果比较粗, 没有明确的数据特征值, 但是它基本上能反映各种降水粒子的相态结构, 其识别的结果对目前日常的天气预报参考和人工影响天气的作业指挥和效果评估来说还是符合可用的.为中国国内未来的双线偏振雷达业务运行提供参考和帮助.(3)根据有限的观测资料分析表明, 降水区域中出现60 dBZ以上的回波强度, 并不一定就会出现冰雹, 还有可能是大粒子的液态降水.综合考虑双线偏振雷达的测量参数, 可以得到更合理的结果.     

基于改进的M指标的沙丘潜在活性评价—以库布齐沙漠为例

定量评估沙丘的潜在活性程度是沙漠及沙地动态研究的基础工作。目前对于沙丘潜在活性的研究主要是通过Lancaster给出的M指标（M=W/(P/ET)）,然而针对我国地形复杂、气候多变,尤其西北干旱地区,此方法与实际情况有较大出入。本文以库布齐沙漠为例采用SEBS模型代替Thornthwaite方法计算蒸散量,并将年蒸散分为四部分代表四个季节计算,以提高蒸散量的精度,并结合地表粗糙度、NDVI、降水、风速等数据利用模糊模型提取各季沙丘潜在活性指数的区域分异,最后结合地貌分类图给出潜在活性的新分级标准。经验证基于模糊模型的沙丘潜在活性评价可以综合多种影响因素,符合我国气候、地形条件下的真实状况,提高评价精度,同时也指出Lancaster的M指标并不适合我国的自然条件。     

Estimating daily pan evaporation using adaptive neural-based fuzzy inference system

Estimation of evaporation is important for water planning, management, and hydrological practices. There are many available methods to estimate evaporation from a water surface, comprising both direct and indirect methods. All the evaporation models are based on crisp conceptions with no uncertainty element coupled into the model structure although in daily evaporation variations there are uncontrollable effects to a certain extent. The probabilistic, statistical, and stochastic approaches require large amounts of data for the modeling purposes and therefore are not practical in local evaporation studies. It is therefore necessary to adopt a better approach for evaporation modeling, which is the fuzzy sets and adaptive neural-based fuzzy inference system (ANFIS) as used in this paper. ANFIS and fuzzy sets have been evaluated for its applicability to estimate evaporation from meteorological data which is including air and water temperatures, solar radiation, and air pressure obtained from Automated GroWheather meteorological station located near Lake E?irdir and daily pan evaporation values measured by XVIII. District Directorate of State Hydraulic Works. Results of ANFIS and fuzzy logic approaches were analyzed and compared with measured daily pan evaporation values. ANFIS approach could be employed more successfully in modeling the evaporation process than fuzzy sets.     

模糊理论在高校科技投入-产出决策中的应用

将模糊理论运用到高校科技投入-产出决策中,建立高校投入-产出决策模糊综合评价模型,并对我国31个地区2010年高校科技投入-产出决策进行实证分析.在模型中,将高校科技产出指标作为高校科技投入决策的评价指标,计算科技投入-产出决策的隶属度并进行排序.分析结果表明,高校R&D经费和人员投入水平高的地区,其隶属度越大,该地区的高校科技投入决策相对较优,而高校科技隶属度水平低的地区,经费投入是限制其发展的主要因素.     

一种新模糊似然函数在聚类分析中的应用

运用一种新的模糊似然函数，用以表示模糊集合之间的相似程度。举例说明在气象时间序列中的应用，并与常用的度量样本相似程度的指标进行对比，得出几点有意义的结论。     

湖南猛洞河漂流气候舒适度评价及预报方程的建立

文章选取湖南省永顺县气象站1971-2000年各月的平均气温、相对湿度和风速资料,作为评价气候环境对漂流旅游舒适度的影响因子,对湖南省内著名的漂流景点、全国仅有的两条四星级漂流线路之一的猛洞河进行气候舒适度的模糊综合评判,并根据该评判模式建立了猛洞河漂流气象条件舒适度的预报方程。结果表明：(1)每年3-11月均可进行漂流旅游,其中气候条件较为舒适的时间为每年的5-9月,最为适宜的时间是6-8月,其中7-8月为漂流的旺季。(2)猛洞河气候舒适度判定结果与漂流景区的客流量相关程度达到0.859,表明气象因子是影响猛洞河漂流客流量的最主要因素。(3)在模糊综合评判的基础上,文章建立了猛洞河漂流每日气象条件舒适度预报方程,在实际应用中能为漂流游客提供指导。