南京市心脑血管疾病的医疗气象预报研究

以2003年1月至2008年7月南京市某医院的心脑血管逐日就诊人数为样本,首先根据其时间分布特征采用虚拟变量选择包含节假日等的22个非气象因子,然后通过逐步回归法筛选气象因子和非气象因子,得到最终模型的解释变量,采用支持向量机(SVM)回归方法分别构建了南京市心、脑血管疾病预测模型。将就诊人数分为5个等级,通过反查,模型针对心、脑血管疾病在同一等级和差一等级的准确率分别为87.91%和84.62%,实际预测结果较好,证明该模型具有较高的实际应用价值。     

支持向量机在雷暴预报中的应用

论文利用2002--2006年AREM模式产品和常规观测报文资料,综合运用改进的K平均聚类和主成分分析等方法,基于MOS原理逐月建立了最小二乘支持向量机和线性规划支持向量机的单站雷暴释用预报模型,并针对海口站2007年58月进行了具体的预报。结果表明：支持向量机结合AREM模式产品进行雷暴的释用预报是合适、有效的,而且主成分分析对预报结果的提高也起到了积极的作用。     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

高速公路夜间大雾图像特征及其识别

基于高速公路夜间交通监控图像,选择其附近能见度自动监测数据作为图像是否有大雾的标准,分析有雾或无雾环境对光源及其成像的影响,提取相应的特征值,利用支持向量机的方法建立了大雾识别模型。结果表明:大雾存在时空气消光系数增大,LED电子显示屏、车灯等光源在图像上呈现出亮度减弱而梯度小,散射较明显的特点;纹理特征表明有雾时图片纹理简单、纹理较浅分布均匀,像素之间相关性大,无雾时则反之;模型评估得出临界成功指数为0.74,虚警率为0.18,有较好的识别效果。     

基于Logistic回归的肇庆市区雾天气的预报模型

利用2015—2018年高要区国家基本气象常规观测资料,选取11个与雾天气事件相关的气象要素,通过主成分分析降维得到新的公共因子后构建Logistics回归方程,并根据ROC曲线、约登指数选出作为判别雾天气事件的最优临界值。结果表明:气压、温度露点差、相对湿度、水汽压、绝对湿度、露点、10 min平均风速、能见度、总云量、低云量、日照与雾天气现象具有很好的相关性;从这11个气象要素中提取3个具有代表性的主成分因子分别为水汽因子、辐射因子和风速因子。建立的Logistic回归预报模型对有雾和无雾的判别效果较为理想,比判别大雾和轻雾效果好。     

支持向量机在积雪检测中的应用

针对地球观测系统/中分辨率成像光谱仪EOS/MODIS（Earth Observation System/Moderate Resolution Imaging Spectroradiometer）影像资料中的积雪检测,提出了基于支持向量机SVMs（Sup-port Vector Machines）的遥感影像分类方法。分析了积雪检测过程中的特征选择和提取,建立基于支持向量机的遥感影像分类模型,并进行了积雪检测试验。结果表明,特征选择对积雪检测起到了积极的作用,同时也证明了支持向量机方法在遥感影像分类中的优势,值得进一步推广使用。     

基于多种算法优化SVM模型的 乌东德水电站降水量预报

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1. 4%。     

降水统计预报模型的模拟性能分析北大核心CSCD

降水预报模型的性能与诸多因素有关,除了与研究区域特征和研究数据有关,还受到模型自身算法、统计模拟方法、性能度量指标等的影响。本文基于2015~2019年我国黑龙江省28个站点逐日降水、平均气温和平均相对湿度等地面常规气象资料,运用留出法、自助法等蒙特卡洛统计模拟和机器学习方法,首次系统研究了黑龙江省夏季逐日降水预报模型的性能和模型性能的空间分布特征。结果表明,对研究区域整体来说,BP(Back Propagation)神经网络和支持向量机的总体预报性能没有显著差异,ROC(Receiver Operating Characteristic)曲线面积值均高于76%,显著优于决策树。自助法估计的模型预报性能始终优于留出法,并且有助于提高评估结果的保真性。对研究区域单个站点来说,除个别站点以外,支持向量机的准确率和ROC曲线面积值均高于80%,并且呈现东南大西北小的空间分布趋势,该趋势与降水频率的分布基本一致。支持向量机在小兴安岭和张广才岭的总体预报效果较好,三江平原次之,松嫩平原较差;而敏感度在山区大,平原区小,中部和南部大,东部次之,西部和北部小;特异度空间分布则恰好与敏感度相反。     

河北高速公路交通事故特征及其气象预警模型

利用2015年10月至2018年10月河北省高速公路交通事故资料和109个国家站地面常规观测资料,对比分析夏半年和冬半年高速交通事故的时间变化特征及与气象要素的关系,利用主成分分析方法筛选出对交通事故影响较大的气象因子,并引入二元Logistic回归模型,分别建立夏半年和冬半年高速交通事故气象预警模型,并对模型进行精度检验。结果表明:河北高速公路交通事故具有明显的日、月变化特征,夏半年事故量是冬半年的1.4倍,且夏半年事故量月波动较冬半年弱;夏、冬半年交通事故日变化均呈"M"型分布,白天远高于夜间,峰值分别出现在10:00和15:00,且夏半年各时次(18:00—20:00除外)事故量高于冬半年。河北高速交通事故气象预警模型综合了湿度、降水量、风速、气压因子,而冬半年还增加了温度因子,预警模型对低于或等于事故发生众数的样本预测正确率均在99%之上,而对高于事故发生众数的样本错判率较高,但整体精度仍在80%以上,说明模型对高速公路交通预警有一定参考意义。     

基于卷积神经网络的逐时降水预报订正方法研究

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。     

南充交通事故与天气关系的研究

天气变化与交通事故之间存在较为密切的关系,利用2010～2018年南充市交通事故数据及相关气象数据等资料,探讨了不同气象条件对驾驶员、车辆、道路环境等的具体影响,统计分析了南充市所辖区域内交通事故年和月际、逐日变化和事故发生地当时气象要素特征,以及两者的相关性。结果表明:近年来交通事故呈现出逐年减少的趋势,主汛期(5～8月)和冬季是南充市交通事故的高发时期,而春季(3～4月)及秋季(9～11月)交通事故发生相对较少。同时,交通事故发生存在明显的日变化特征,每日07～08时、11～12时、14～15时、18～19时为高发时段;交通事故多发与天气条件具有一定的相关性,尤其是高温、降雨、大雾等天气现象;另外,在不同的天气条件下,有针对性的采取一些措施,可以有效避免交通事故的发生。      

雾对广西高速公路交通安全的影响及预防对策

利用1971～2006年广西89站的地面观测资料,结合广西各高速公路出现大雾的频数进行分析,同时对影响广西高速公路交通安全的各种雾进行了详细分析,并提出一些预防对策。     

乌鞘岭高速公路路段多发交通事故的气象条件分析

利用2006年1月1日至2013年5月31日甘肃省乌鞘岭路段高速公路发生的一般、重大、特大公路交通事故个例和同期乌鞘岭气象站的气象观测资料,利用统计方法分析天气现象和气象要素与公路交通事故的关系。乌鞘岭路段的交通事故一年中3月、7月、9月发生的几率较大,这与季节交替时气象要素变化显著、雨带北移、降水日数增多有直接关系。乌鞘岭路段公路交通事故,由不良气象条件引发的占总事故数的81%。发生交通事故中不良天气的排序依次为结冰、降雨、降雪、积雪、大雾。普查气象要素与交通事故相关性,发现最低温度、地面最低温度、相对湿度、能见度、日降水量、极大风速与公路交通事故具有显著相关。     

2017-11-15安徽颍上团雾天气特征分析及气象服务探讨

团雾是一种严重威胁公路交通安全的恶劣天气,因其具有较强的局地性、突发性特点,也是目前公路交通气象预报服务的难点之一。针对2017年11月15日发生在安徽阜阳滁新高速颍上段的团雾交通事故,利用颍上交通气象站、焦岗湖交通气象站与颍上气象站的逐10 min气温、相对湿度、风速、能见度监测数据,结合欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts)的分析场资料,分析了安徽颍上团雾交通事故发生地的局地环境特征和当日的天气特征及成因,探讨了高速公路团雾预报服务的不足和未来工作展望,为进一步做好团雾天气交通气象服务提供借鉴和参考。主要结论如下:此次团雾发生在辐射雾的天气形势背景下,夜间辐射降温幅度达5℃以上,为团雾发生提供了低温条件;团雾发生地地势低洼且临近水系,水汽输送通道流畅,水汽充足,黎明后底层空气湿度维持在85%以上,是团雾发生的诱因之一;日出后风力保持静风状态,空气流动性差,造成近地面层水汽聚集,是团雾发生的重要原因。     

雾的标准化危险性指数计算方法及其应用

在有雾的天气下经常发生几百辆车连续追尾碰撞的恶性交通事故,因此为了做好交通安全工作有必要开展雾的风险分析研究。在考虑雾的出现频率、持续时间和能见度3个参数的基础上,通过改进雾的危险性指数（FHI）方法,得出了适合我国气象标准的雾的标准化危险性指数(NFHI)的计算方法。为了使危险性指数适应雾的数值预报产品的应用,进一步改进了雾的标准化危险性指数的形式,提出了适合数值预测模式的雾的标准化危险性指数。最后结合京津塘高速公路沿线5个国家气象站36 a的雾的观测数据,利用NFI方法计算得出了4个季节的雾的危险性等级,并使用数值预报结果计算了不同地点的雾的标准化危险性指数。利用该指数计算方法可以通过比较不同路径危险性的大小进行最佳路径的选择,为交通安全提供科学参考。     

合肥市大雾预报方法建立与应用

利用主成分分析方法对2012～2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究，应用因子荷载点聚图将合肥市县大雾划分为2个区：中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性，全市和分片分别确定与大雾密切相关的高影响因子，利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下，通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明：数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优，技巧评分大幅提升，而两类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果要更好。     

高速公路团雾分级预警研究

团雾和高速公路团雾的定义内涵外延尚未统一,没有标准定义。为有效预防高速公路团雾天气灾害,减少因高速公路团雾所造成的交通事故,有必要规范高速公路团雾分级预警标准。基于高速公路团雾的水平能见度和水平尺度等监测数据,借鉴部分学者专家的意见和建议,确定团雾和高速公路团雾的定义。分析高速公路团雾的特征、成因、时空分布及团雾的危害,统计分析高速公路团雾多发路段的交通事故数据资料与AWMS气象监测数据资料,确立高速公路团雾与车辆交通安全性关系。依据同车道前后车辆的相对停车视距和安全停车距离等分析,评估车辆在不同水平能见度数值条件下,行驶在团雾区域内外车辆发生交通事故的危险性大小,遵照相关法律、条例、标准及其规范,按水平能见度数值范围和覆盖路面长度划分高速公路团雾预警等级。研究结果表明:(1)高速公路团雾的水平尺度一般小于5 km,水平能见度通常小于200 m。(2)高速公路团雾具有多发性,时空分布不均,多发生于当日22时次日08时。(3)高速公路团雾的事故率高,造成的交通事故比较严重。(4)可以根据团雾特征和潜在危害性确定团雾和高速公路团雾定义的内涵外延,给出术语定义。(5)可根据高速公路团雾的水平能见度、交通事故、停车视距等分析,划分预警级别,规范监测和预报预警服务,减少交通事故的发生。     

基于数据挖掘处理的影响辽宁高速公路冬季交通事故主要气象要素分析

利用2014—2016年辽宁省冬季高速公路事故记录,将多要素逐日气象观测数据与事故数据按照日期进行匹配,分析气象条件引发高速事故的空间分布特征。数据挖掘分析首先利用两步聚类方法确定辽宁地区冬季天气类型数量,再通过K-means方法对气象数据进行聚类处理。采用随机森林方法对不同天气类型搭建高速公路交通事故分类模型,并分析模型中气象要素的特征重要性。结果表明：受气象条件影响的高速事故数量辽南地区最多,其次是辽西地区,辽东、辽北地区占比较低。辽宁冬季天气可以分为四种类型,根据气象要素数据结构总结出的天气特征分别为：当日出现降水、前一日出现降水、寒冷干燥、潮湿回暖。有明显降水特征天气类型的事故率超过七成,降温、升温天气类型的事故率在两成左右。随机森林方法对前一日出现降水、寒冷干燥两种天气类型的分类精度更高,模型泛化能力也更好。4种天气类型中气象要素的特征重要性有明显差异,最高地温要素在事故高发天气类型中特征重要性排第1位,在潮湿回暖天气类型排第3位,对于冬季辽宁地区高速公路交通安全影响高于其他要素。     

基于神经网络的单站雾预报试验

采集大连某机场2004—2007年大雾、轻雾和无雾天气事件共186例,选取雾天气事件前期(前一日08:00,14:00,20:00(北京时)实测资料)的温、压、湿、风等要素指标为预报因子,基于学习向量量化神经网络(learning vector quantization,LVQ),采用逐级预报思想建立起某机场雾天气事件的预报模型。在网络训练过程中,动态调整网络神经元比例参数,提高模型的预报能力;采用根据检验准确率适时终止训练的"先停止"技术,有效提高了模型的泛化能力。预报试验表明:无论是拟合率还是独立预报准确率,模型均已达到较高水准,具有实际应用意义。