最大熵算法在气象雨量预测中的应用分析
2014-07-03王海燕
王海燕
摘 要：将最大熵原理的计算方法应用到气象雨量预测中，通过有效的仿真实验能够证明最大熵方法在气象雨量预测中的可行性。
关键词：最大熵算法；BP神经网络方法；降雨量；雨带
中图分类号：P457.6 文献标识码：A 文章编号：2095-6835（2014）07-0068-01
我国幅员辽阔、地形复杂，但降水量的空间分布还是有一定规律性的。受季风影响，我国降水量的地域分布总的特征是从东南沿海向西北内陆逐渐减少。
我国降水量季节分配的特点是夏季最多，冬季最少，春、秋季介于两者之间。大的雨带一般于5月中旬出现在华南地区，6月中旬北推至长江流域，7月中旬北推至淮河流域以北，从8月下旬到9月上旬，雨带开始逐步向南推移。
随着我国经济的快速发展，气象信息越来越被人们所关注，无论是个人的日常生活还是国家的建设工作都会考虑气象因素。向社会提供准确、及时的气象信息是我们的宗旨，满足人民对气象信息的多种需求是我们的目标。因此，准确地对雨量进行预报有着十分重要的意义。
1 最大熵算法概述
最大熵原理是指当我们需要对一个随机事件的概率分布进行预测时，我们的预测应当满足全部的已知条件，而对于未知的情况不作任何主观的假设。在这种情况下，概率分布最均匀，预测的风险最小。因为这时概率分布的信息熵最大，所以，人们称这种模型为“最大熵模型”。这是一个数学原理，指的是指数函数的形式，现在只需要确定指数函数的参数就可以了。
最大熵模型作为一个数学模型，有一些特殊的或者是通用的训练方法。影响训练算法性能的重要因素有收敛速度和单次迭代速度。对整体系统状态进行推断时，或许根据我们所已知的信息无法得到其他内容或改变任何原有的假设条件，在这个时候，我们可以采用一种合理的方法——最大熵算法。
2 常规气象雨量预测
预测是指人们对未知事物的不确定性行为或状态所作出的客观科学预测。在水文和水资源的探索、研究过程中，常规降雨量是一个重要的参考量。然而，常规监测手段监测的范围存在广度小、成本高的问题，而且常规监测只能进行点对点的监测。
随着科技的不断发展，卫星遥感雨量监测技术也在进步，现在的监测技术具有监测范围大、不受地形限制的优势。目前，研究雨量预测的方法主要是基于神经网络的方法。其主要步骤是：①获得降雨估算参数因子。主要参数因子是与降雨有直接关系的云参数和大气参数，这些参数是通过分析云层降雨过程和云层降雨的物理机理来选取的。②选定参数因子的数据集。③建立降雨量估算模型。首先监测实际降雨数据，从中获取样本，然后使用人工神经网络方法搭建网络模型。
3 基于最大熵原理在气象预测中的应用
3.1 最大熵原理应用的基本设想
从最大熵原理出发，理论数据可以很简单地表明大气中的
温度场和气压场的分布。温度场和气压场都是均匀分布的。从大气中随机抽取一个空气样品，可能出现的各种温度所占大气的质量是相等的。形成如此温度分布的原因是在太阳辐射和大气对外辐射下，大气形成一个温度场，假设介质界面和外面保持绝缘，只从左右两边散发出热量，就会在温度场上呈现出均匀分布的等温线。
从最大熵原理出发可以理解为是被介质温度场所约束的温度或者是在介质中造成的随机性温度的最大分布。
3.2 雨量的主要原理特性
一般来说，降雨是通过云滴形成的。云滴谱是关于云滴半径的分布函数，熵是与分布函数相联系的，同时，还存在关于云滴的表面积的分布函数和云滴的质量分布函数。当信息熵达到极值时，它所对应的云滴变量的分布函数所对应的熵也就得到了极大值。
3.3 初步实验检验
我们在Windows系统界面下设计了仿真实验，仿真试验是通过程序模拟来实现的，在此基础上我们得到了相对可靠的实验数据。表1为最大熵算法和传统的BP神经网络雨量预测方法的对比。
从表1中可以看出，本文提到的最大熵算法在雨量预测中的准确率要高于传统的BP神经网络雨量预测方法，这说明了最大熵算法的可行性。
4 结束语
通过有效的仿真实验，证明了最大熵方法在气象雨量预测中的可行性。实验数据表明，该方法在无雨或小雨的时候，监测准确率较高，降雨量的预报效果也很好；但对于中雨以上级别的降雨，该方法的监测准确率就相对低一些，预报效果有所降低。在评价方法中，预报的方法可以用于大部分地区，而对于个别地区，需要更深入的分析，并注意大雨级别以上的情况，同时，还要考察该检测方法在实际应用中的可行性。
参考文献
[1]马鹤年.气象服务学基础[M].北京：气象出版社，2009.
〔编辑：王霞〕
摘 要：将最大熵原理的计算方法应用到气象雨量预测中，通过有效的仿真实验能够证明最大熵方法在气象雨量预测中的可行性。
关键词：最大熵算法；BP神经网络方法；降雨量；雨带
中图分类号：P457.6 文献标识码：A 文章编号：2095-6835（2014）07-0068-01
我国幅员辽阔、地形复杂，但降水量的空间分布还是有一定规律性的。受季风影响，我国降水量的地域分布总的特征是从东南沿海向西北内陆逐渐减少。
我国降水量季节分配的特点是夏季最多，冬季最少，春、秋季介于两者之间。大的雨带一般于5月中旬出现在华南地区，6月中旬北推至长江流域，7月中旬北推至淮河流域以北，从8月下旬到9月上旬，雨带开始逐步向南推移。
随着我国经济的快速发展，气象信息越来越被人们所关注，无论是个人的日常生活还是国家的建设工作都会考虑气象因素。向社会提供准确、及时的气象信息是我们的宗旨，满足人民对气象信息的多种需求是我们的目标。因此，准确地对雨量进行预报有着十分重要的意义。
1 最大熵算法概述
最大熵原理是指当我们需要对一个随机事件的概率分布进行预测时，我们的预测应当满足全部的已知条件，而对于未知的情况不作任何主观的假设。在这种情况下，概率分布最均匀，预测的风险最小。因为这时概率分布的信息熵最大，所以，人们称这种模型为“最大熵模型”。这是一个数学原理，指的是指数函数的形式，现在只需要确定指数函数的参数就可以了。
最大熵模型作为一个数学模型，有一些特殊的或者是通用的训练方法。影响训练算法性能的重要因素有收敛速度和单次迭代速度。对整体系统状态进行推断时，或许根据我们所已知的信息无法得到其他内容或改变任何原有的假设条件，在这个时候，我们可以采用一种合理的方法——最大熵算法。
2 常规气象雨量预测
预测是指人们对未知事物的不确定性行为或状态所作出的客观科学预测。在水文和水资源的探索、研究过程中，常规降雨量是一个重要的参考量。然而，常规监测手段监测的范围存在广度小、成本高的问题，而且常规监测只能进行点对点的监测。
随着科技的不断发展，卫星遥感雨量监测技术也在进步，现在的监测技术具有监测范围大、不受地形限制的优势。目前，研究雨量预测的方法主要是基于神经网络的方法。其主要步骤是：①获得降雨估算参数因子。主要参数因子是与降雨有直接关系的云参数和大气参数，这些参数是通过分析云层降雨过程和云层降雨的物理机理来选取的。②选定参数因子的数据集。③建立降雨量估算模型。首先监测实际降雨数据，从中获取样本，然后使用人工神经网络方法搭建网络模型。
3 基于最大熵原理在气象预测中的应用
3.1 最大熵原理应用的基本设想
从最大熵原理出发，理论数据可以很简单地表明大气中的
温度场和气压场的分布。温度场和气压场都是均匀分布的。从大气中随机抽取一个空气样品，可能出现的各种温度所占大气的质量是相等的。形成如此温度分布的原因是在太阳辐射和大气对外辐射下，大气形成一个温度场，假设介质界面和外面保持绝缘，只从左右两边散发出热量，就会在温度场上呈现出均匀分布的等温线。
从最大熵原理出发可以理解为是被介质温度场所约束的温度或者是在介质中造成的随机性温度的最大分布。
3.2 雨量的主要原理特性
一般来说，降雨是通过云滴形成的。云滴谱是关于云滴半径的分布函数，熵是与分布函数相联系的，同时，还存在关于云滴的表面积的分布函数和云滴的质量分布函数。当信息熵达到极值时，它所对应的云滴变量的分布函数所对应的熵也就得到了极大值。
3.3 初步实验检验
我们在Windows系统界面下设计了仿真实验，仿真试验是通过程序模拟来实现的，在此基础上我们得到了相对可靠的实验数据。表1为最大熵算法和传统的BP神经网络雨量预测方法的对比。
从表1中可以看出，本文提到的最大熵算法在雨量预测中的准确率要高于传统的BP神经网络雨量预测方法，这说明了最大熵算法的可行性。
4 结束语
通过有效的仿真实验，证明了最大熵方法在气象雨量预测中的可行性。实验数据表明，该方法在无雨或小雨的时候，监测准确率较高，降雨量的预报效果也很好；但对于中雨以上级别的降雨，该方法的监测准确率就相对低一些，预报效果有所降低。在评价方法中，预报的方法可以用于大部分地区，而对于个别地区，需要更深入的分析，并注意大雨级别以上的情况，同时，还要考察该检测方法在实际应用中的可行性。
参考文献
[1]马鹤年.气象服务学基础[M].北京：气象出版社，2009.
〔编辑：王霞〕
摘 要：将最大熵原理的计算方法应用到气象雨量预测中，通过有效的仿真实验能够证明最大熵方法在气象雨量预测中的可行性。
关键词：最大熵算法；BP神经网络方法；降雨量；雨带
中图分类号：P457.6 文献标识码：A 文章编号：2095-6835（2014）07-0068-01
我国幅员辽阔、地形复杂，但降水量的空间分布还是有一定规律性的。受季风影响，我国降水量的地域分布总的特征是从东南沿海向西北内陆逐渐减少。
我国降水量季节分配的特点是夏季最多，冬季最少，春、秋季介于两者之间。大的雨带一般于5月中旬出现在华南地区，6月中旬北推至长江流域，7月中旬北推至淮河流域以北，从8月下旬到9月上旬，雨带开始逐步向南推移。
随着我国经济的快速发展，气象信息越来越被人们所关注，无论是个人的日常生活还是国家的建设工作都会考虑气象因素。向社会提供准确、及时的气象信息是我们的宗旨，满足人民对气象信息的多种需求是我们的目标。因此，准确地对雨量进行预报有着十分重要的意义。
1 最大熵算法概述
最大熵原理是指当我们需要对一个随机事件的概率分布进行预测时，我们的预测应当满足全部的已知条件，而对于未知的情况不作任何主观的假设。在这种情况下，概率分布最均匀，预测的风险最小。因为这时概率分布的信息熵最大，所以，人们称这种模型为“最大熵模型”。这是一个数学原理，指的是指数函数的形式，现在只需要确定指数函数的参数就可以了。
最大熵模型作为一个数学模型，有一些特殊的或者是通用的训练方法。影响训练算法性能的重要因素有收敛速度和单次迭代速度。对整体系统状态进行推断时，或许根据我们所已知的信息无法得到其他内容或改变任何原有的假设条件，在这个时候，我们可以采用一种合理的方法——最大熵算法。
2 常规气象雨量预测
预测是指人们对未知事物的不确定性行为或状态所作出的客观科学预测。在水文和水资源的探索、研究过程中，常规降雨量是一个重要的参考量。然而，常规监测手段监测的范围存在广度小、成本高的问题，而且常规监测只能进行点对点的监测。
随着科技的不断发展，卫星遥感雨量监测技术也在进步，现在的监测技术具有监测范围大、不受地形限制的优势。目前，研究雨量预测的方法主要是基于神经网络的方法。其主要步骤是：①获得降雨估算参数因子。主要参数因子是与降雨有直接关系的云参数和大气参数，这些参数是通过分析云层降雨过程和云层降雨的物理机理来选取的。②选定参数因子的数据集。③建立降雨量估算模型。首先监测实际降雨数据，从中获取样本，然后使用人工神经网络方法搭建网络模型。
3 基于最大熵原理在气象预测中的应用
3.1 最大熵原理应用的基本设想
从最大熵原理出发，理论数据可以很简单地表明大气中的
温度场和气压场的分布。温度场和气压场都是均匀分布的。从大气中随机抽取一个空气样品，可能出现的各种温度所占大气的质量是相等的。形成如此温度分布的原因是在太阳辐射和大气对外辐射下，大气形成一个温度场，假设介质界面和外面保持绝缘，只从左右两边散发出热量，就会在温度场上呈现出均匀分布的等温线。
从最大熵原理出发可以理解为是被介质温度场所约束的温度或者是在介质中造成的随机性温度的最大分布。
3.2 雨量的主要原理特性
一般来说，降雨是通过云滴形成的。云滴谱是关于云滴半径的分布函数，熵是与分布函数相联系的，同时，还存在关于云滴的表面积的分布函数和云滴的质量分布函数。当信息熵达到极值时，它所对应的云滴变量的分布函数所对应的熵也就得到了极大值。
3.3 初步实验检验
我们在Windows系统界面下设计了仿真实验，仿真试验是通过程序模拟来实现的，在此基础上我们得到了相对可靠的实验数据。表1为最大熵算法和传统的BP神经网络雨量预测方法的对比。
从表1中可以看出，本文提到的最大熵算法在雨量预测中的准确率要高于传统的BP神经网络雨量预测方法，这说明了最大熵算法的可行性。
4 结束语
通过有效的仿真实验，证明了最大熵方法在气象雨量预测中的可行性。实验数据表明，该方法在无雨或小雨的时候，监测准确率较高，降雨量的预报效果也很好；但对于中雨以上级别的降雨，该方法的监测准确率就相对低一些，预报效果有所降低。在评价方法中，预报的方法可以用于大部分地区，而对于个别地区，需要更深入的分析，并注意大雨级别以上的情况，同时，还要考察该检测方法在实际应用中的可行性。
参考文献
[1]马鹤年.气象服务学基础[M].北京：气象出版社，2009.
〔编辑：王霞〕
