论文部分内容阅读
暴雨天气过程可能导致城市内涝、洪水和地质灾害,对人民的生命财产安全造成影响。为此,暴雨天气过程的预报和服务,是做好防灾减灾工作的一项重要内容。针对暴雨预报,预报专家根据历史经验方法和阈值指标,构建本地暴雨预报概念模型,在结合实况、数值模式数据分析后,能得出更为可靠的预报结论。因此,传承预报专家宝贵经验的基础上,使用现代人工智能技术进行重构,实现更为智能的暴雨预报分析工具就十分必要。本文的主要工作是研究实现了“基于贝叶斯网络的暴雨预报分析平台”,详细分析了现有的暴雨预报概念模型,结合现有气象预报业务需求,设计出一套暴雨预报分析工具,支持推理和分析。系统采用C/S架构,将预测分析模型的构建和应用分别部署在服务器端和客户端。服务器端采用Python技术体系,构建自贡本地暴雨预报分析数据集,数据集的时间范围是2008-2017年的5-9月,数据集包括自贡市24小时降雨实况、本站实况要素和欧洲中心再分析数据集ERA-Interim。使用成熟的GeNIe平台进行直观的贝叶斯网络模型构建,进行连续随机变量的离散化。随机变量的先验概率,主要依靠预报专家经验和历史数据的统计,良好的先验概率可以弥补数据集规模较小的缺点。客户端采用.NET环境,基于MICAPS4框架二次开发完成暴雨预报分析工具。客户端运行时,通过CIMISS数据接口获取地面图、高空图、数值预报模式产品等数据,通过SMILE引擎加载服务器端构建好的暴雨预报分析模型,为预报员提供暴雨预报分析结论,为得到更符合实况的预报结论提供帮助。经过2018年8月21日20时-22日20时的本地暴雨个例检验,基于因果关系构建的贝叶斯网络模型,采用EC细网格数值预报模式资料和本地实况观测数据,预测对象中“暴雨”的概率最高,和实际情况相符。通过暴雨预报分析工具,对帮助预报员更好的开展暴雨预报服务工作,具有良好的实际意义。