廣漢機場能見度預報建模

徐 娓 潘維多

廣漢機場能見度預報建模

徐 娓 潘維多

利用2011年至2014年逐年12月和1月廣漢機場人工觀測能見度數(shù)據(jù)、地面遙測氣象數(shù)據(jù)及常規(guī)探空氣象資料，采用最小二乘支持向量機回歸方法，對廣漢機場08時能見度進行24小時、12小時及2小時預報建模。按照民航局空管局航站重要天氣預報質(zhì)量評定辦法進行評定，該模型預報準確率分別為：62.71%、73.08%、75%。平均絕對誤差分別為：0.62Km、0.49Km、0.52Km。結(jié)果表明最小二乘向量機算法在廣漢機場能見度的預報應用中有一定效果。

能見度是影響航空飛行安全的主要氣象因素之一，機場低能見度嚴重制約著飛機的起飛和著陸，低能見度造成的視程障礙嚴重威脅著飛行安全。國內(nèi)外眾多的專家和學者對能見度預報進行了探索和研究。廣漢機場地處四川盆地，低能見度有著明顯的季節(jié)特征，以冬季為最多。且具有明顯的日變化，低能見度集中時段多出現(xiàn)在北京時7：00到9：00（以下均為北京時）之間。而這個時段正是廣漢機場白天飛行訓練正常出場時間，預報該時段的能見度是否能達到飛行氣象標準，直接決定著飛行訓練是否能按時出場，訓練進度是否能正常進行。導致低能見度出現(xiàn)的因素較多，預報難度也較大。如何盡可能提前較準確地預報出該時段的能見度，一直是機場氣象預報工作者最為重視的問題之一。當前廣漢機場對能見度的預報多限于常規(guī)的天氣圖天氣形勢分析及物理量場診斷分析，所以具有較大的主觀性。近年來越來越多的算法融入到能見度的預報當中，也取得了一定成效。如路爽等使用UPS訂正預報方法對沈陽的大霧天氣進行預報；李沛等使用神經(jīng)網(wǎng)絡北京地區(qū)的能見度逐級分類建模。

最小二乘支持向量機算法（Least Squares Support Vector Machines，簡稱LS-SVM） 是近年來統(tǒng)計學習理論的重要成果之一，源于1999年SuykensJ.A.K和Vandewalb提出的一種支持向量機變形算法。支持 向量機（Support Vector Machin，簡稱SVW）最早由Vapnik和Corets于1995年提出，是基于統(tǒng)計學習理論的一種新的通用學習方法，通過核函數(shù)實現(xiàn)非線性映射，把樣本空間映射到高維特征空間，實現(xiàn)分類和回歸。最小二乘支持向量機（LS-SVM）是在標準SVM基礎(chǔ)上，通過采用最小二乘價值函數(shù)和等式約束得到。具備很強的非線性映射能力且運算簡單。 LS-SVM能非常成功地處理具有非線性特征的模式識別和回歸估計等諸多問題，在進行小樣本、高維數(shù)預測方面具有的顯著優(yōu)勢，近年來在氣象界得到了較好的應用。經(jīng)實例驗證該模型收斂速度快、預測精度高，表明該方法在氣象領(lǐng)域具有廣闊的應用前景。

本文使用2011年12月、2012和2013年12月及1月及2014年1月共6各月基礎(chǔ)探空資料、廣漢機場遙測資料及人工觀測能見度數(shù)據(jù)資料，選取常用物理量，使用LS-SVM對廣漢機場08時能見度進行24小時、12小時及2小時預報建模并驗證。以期對廣漢機場能見度預報實際工作提供新的參考。

廣漢機場08時能見度分布特征

根據(jù)廣漢機場能見度標準，將能見度分為幾個區(qū)間：能見度≤3.5 Km、能見度≤1.6 Km、能見度≤0.8 Km和能見度≤0.05 Km。結(jié)合這個區(qū)間對廣漢機場2009年2月至2014年1月5年08時能見度進行統(tǒng)計：月平均能見度最低值是出現(xiàn)在每年的1月和12月且低于2Km； 1月和12月2個月08時能見度低于3.5 Km、1.6Km、0.8Km、和0.05Km的天數(shù)分別占總天數(shù)的36.4 %、59.5 %；78.3%和100%。說明廣漢機場低能見度主要集中在1月和12月。1月和12月能見度的分布情況為：能見度低于5 Km、3.5 Km、1.6 Km、0. 8 Km和0.05Km的天數(shù)分別占2個月總天數(shù)的94.7 %、89.7 %、60.4 %、54%和8.3%。

資料的選擇、處理及因子的篩選

影響廣漢機場冬季低能見度的天氣現(xiàn)象多為霧，且主要為輻射霧和輻射平流霧。輻射霧的形成的有利條件為：晴朗的夜間，有強烈的地面有效輻射；近地面水汽含量充沛，有穩(wěn)定的溫度層結(jié)；低層有微風和一定強度的湍流。從形成霧的條件出發(fā)，選擇地面及925HPA、850HPA、700HPA、500HPA共5個層次。地面資料為廣漢機場遙測資料。探空站選取距離廣漢機場最近的溫江站，考慮到天氣系統(tǒng)的移動及地形的影響，同時引入漢中站和達州站資料。選取與天氣系統(tǒng)及溫度、濕度和穩(wěn)定度有關(guān)的物理量及部分計算量：地面氣壓、最低及最高溫度、各等壓面位勢高度、有關(guān)氣壓差和位勢高度差、溫江站分別與達州站和漢中站的各等壓面位勢高度差等；選擇與水汽及冷暖平流有關(guān)的溫度T、露點溫度、溫度露點差TTD，近地層溫度露點差（TTD=（T一TD）S +（ T—Td）925/3+（T—Td）850/4，）、相對濕度、溫江站分別與達州站和漢中站的溫度差、露點溫度差、相對濕度差等；5個層次上的風向、風速、各層次間的風向變量及風速差、各等壓面上溫江站分別與達州站和漢中站的風向變量及風速差；共計144個量。使用相關(guān)因子分析法；選取與能見度相關(guān)性較顯著的因子。

24小時能見度預報因子篩選

選取相關(guān)系數(shù)絕對值大于0.27的11個物理量作為08時能見度24小時預報的預報因子：廣漢機場能見度；溫江站850HPA上風速；850HPA溫江站與漢中站的溫差；廣漢機場地面相對濕度；廣漢機場地面溫度露點差；溫江站上空700HPA和850HPA之間的風向變量；溫江站上空700HPA和925HPA之間的相對濕度差；溫江站上空700HPA和850HPA之間的風速變量；廣漢機場近地層溫度露點差；溫江站上空700HPA和850HPA之間的相對濕度差；漢中站850HPA上的溫度。

12小時能見度預報因子篩選

選取相關(guān)系數(shù)絕對值大于0.3的14個物理量作為08時能見度12小時預報的預報因子：廣漢機場地面溫度露點差；廣漢機場地面相對濕度；廣漢機場能見度；850HPA上溫江站與漢中站的溫度差；廣漢機場地面露點溫度；廣漢機場地面溫度露點差24小時變量；漢中站850HPA上的溫度；溫江站925HPA上的溫度；廣漢機場地面相對濕度24小時變量；溫江站850HPA上的風速；漢中站925HPA上的溫度；溫江站700HPA和925HPA之間的相對濕度；溫江站500HPA和925HPA之間溫度露點差；850HPA上溫江站與漢中站之間的高度差。

2小時能見度預報因子篩選

選取相關(guān)系數(shù)絕對值大于0.3的16個物理量作為08時能見度2小時預報預報因：前一日20時廣漢機場地面溫度露點差；前一日20時廣漢機場地面相對濕度；前一日20時廣漢機場能見度；前一日20時850HPA上溫江站與漢中站的溫度差；前一日20時廣漢機場地面露點溫度；前一日20時廣漢機場地面溫度露點差24小時變量；前一日20時漢中站850HPA上的溫度；前一日20時溫江站925HPA上的溫度；06時廣漢機場地面相對濕度；06時廣漢機場地面溫度露點差；前一日20時廣漢機場地面相對濕度24小時變量；前一日20時溫江站850HPA上的風速；前一日20時漢中站925HPA上的溫度；前一日20時溫江站700HPA和925HPA之間的相對濕度；前一日20時溫江站500HPA和925HPA之間溫度露點差；前一日20時850HPA上溫江站與漢中站之間的高度差。

模型的建立及驗證

建模樣本選取2011年12月、2012年1月及12和2013年1月及12月共5個月153天，檢驗樣本選取2014年1月31天。184天中只有6天08時能見度大于5000米，考慮到模型的穩(wěn)定性，剔除了能見度高于5000米的樣本和有物理量缺差的樣本。最小二乘支持向量機常用的核函數(shù)有多種，根據(jù)參考文獻選取RBF徑向基函數(shù)為預報模型核函數(shù)，再通過采用交叉驗證方法在0.1至1000之間搜索并確定參數(shù)和核參數(shù)的最佳值。

圖1是使用LS-SVM方法所建的模型對訓練樣本前24小時、前12小時、前2小時的能見度觀測值進行回歸擬合的結(jié)果?？梢钥闯鲈撃Ｐ蛯?000米以上的能見度及500米以下的能見度擬合得不夠好，但對500米以上4000米以下的能見度擬合效果較好。前12小時、前2小時的回歸擬合效果好于前24小時的擬合效果。

圖1　模型擬合圖

使用LS-SVM方法所建的模型對檢驗樣本進行預測。圖2分別為08時能見度24小時預報模型、12小時預報模型和2小時預報模型所做的預測值和實測值進行的比較。并按照民航局空管局《航站重要天氣預報質(zhì)量評定辦法》中能見度的預報質(zhì)量評定辦法計算準確率。其辦法為：水平能見度≤P值進行評定。P值可根據(jù)機場天氣標準選定，廣漢機場P值選定為3500米。能見度預報≤700米，能見度實況值≤900米為正確，否則為錯：預報能見度＞700米并且預報能見度≤P時，允許的誤差范圍為±30%。當預報能見度＞P，而實況能見度≤P-P×20%，則評定為不正確；預報能見度＞P，，實況＞ P-P×20%且≤P，則評定為不正確。

根據(jù)以上規(guī)定對模型準確率進行計算：24小時能見度預報模型預報準確率為17/28=62.71%；12小時能見度預報模型預報準確率19/26=73.08%；2小時預報能見度模型預報準確率為18/24=75%。平均絕對誤差分別為：0.62Km、0.49Km和0.52Km。對低于3.5Km的能見度預報準確率略高一些，分別為 69.23%、75%、77.27%。平均絕對誤差分別為：0.48Km、 0.41Km和0.38Km.

圖2　實況值及模型預測值

誤差原因分析

1）廣漢機場1月及12月能見度大于3.5KM的日數(shù)少，所選樣本中只占7%左右，致使較高能見度訓練樣本過少，造成該模式對較高能見度的預報誤差較大。

2）廣漢機場能見度資料為人工觀測，能見度值較高時由于缺少目標物而使得觀測值與實際情況存在偏差，造成較高能見度真值本身有一定誤差存在。

3）廣漢機場實行13小時觀測，6時能見度觀測記錄不全，所以在2小時預報模式因子選區(qū)中沒有引入，而6時能見度對8時能見度的預報是一個重要的因子。所以2小時預報較12小時預報準確率提高幅度不大的原因就可能是沒有基礎(chǔ)能見度即6時能見度的引入。

結(jié)語

本文利用探空基礎(chǔ)資料、廣漢機場遙測資料及人工觀測能見度數(shù)據(jù)資料，選取24小時前、12小時前及2小時前的基本物理量及其部分計算量，篩選出與能見度相關(guān)性較好的物理量，嘗試使用最小二乘向量機算法分別對廣漢機場24小時能見度、12小時能見度及2小時能見度建模。并按照民航局空管局航站重要天氣預報質(zhì)量評定辦法中能見度的預報質(zhì)量評定辦法計算準確率。24小時能見度預報模型預報準確率為17/28=62.71%；12小時能見度預報模型預報準確率為19/26=73.08%；2小時預報能見度模型預報準確率為19/25=75%。對低于3.5Km的能見度預報準確率略高一些。表明LS-SVM方法所建的模型對廣漢機場能見度有一定預報效果。

本文主要從預報員實際工作快速實用角度出發(fā)，只選用了基本物理量及其部分計算量。并嘗試加入上游站點資料，將其部分物理量及其與本站部分物理量間差值引入，結(jié)果表明850Hpa上漢中站的溫度、850Hpa上溫江站與漢中站的溫度差及高度差與廣漢未來能見度都有一定相關(guān)性。誤差原因分析顯示進一步擴展因子、擴大樣本，對增強模式的穩(wěn)定性和預報的準確性將會有積極作用。

徐 娓 潘維多

中國民航飛行學院廣漢分院

徐娓（1976-）女，高級工程師，從事航空氣象預報工作。

10.3969/j.issn.1001-8972.2015.18.007