基于时空大数据及无线传感网络的复杂气象风险预警模型构建∗

2021-12-15马艳梅

传感技术学报 2021年10期

马艳梅

(淮南职业技术学院智能与电气工程学院，安徽淮南232001)

复杂气象包括风切变、雷暴、颠簸、温度骤变、积冰、雾、云、雨以及风沙等恶劣天气，其对农业、工业、交通以及人们的日常生活与生命安全等均会产生重要影响[1]。因此，监测复杂气象，对其实施风险预警具有重要意义。由于复杂气象的形成、发展和时空分布与地形地貌、生态景观及人文环境等存在紧密联系，因此时间与空间信息对复杂气象的风险预警具有关键意义[2]。尤其是在全球气候变化的影响下，自然环境及人类行为对复杂气象形成与发展的影响越来越显著。

文献[3]提出基于信息分类的复杂气象风险预警模型。利用ArcGIS平台将研究区划分为同等大小的栅格单元，使用信息量法选取9个影响因素进行地质环境敏感性评价，基于信息量法的地质环境敏感性分区客观合理，结合有效降雨量构建地质灾害气象风险预警模型。该模型对单一的复杂气象风险预警准确性较好，但针对复杂气象的动态变化，无法很好地实现复杂气象风险预警；文献[4]提出基于仿归一化植被指数法的复杂气象风险预警模型，分析内蒙古典型草原归一化植被指数的变化，探讨不同气候对归一化植被指数的影响，构建归一化植被指数及气象因子的回归分析模型。该模型对复杂气象风险预警的精度较好，但预警过程耗时较长，效率较差。

3S(RS、GIS、GPS)(remote sensing system、Geographic Information System、Globle Positioning System)技术逐渐成为从时间与空间上跟踪监测复杂气象形成与发展的主要方法，特别是在复杂气象动态研究方面，空间大数据将其多源、多时相、多尺度的特性发挥的更加淋漓尽致[5]。利用无线传感网络实现时空大数据的传输，利用时空大数据构建复杂气象风险预警模型，改变以往基于信息分类的复杂气象风险预警模型单一的预警方式，实现快速、实时、动态监测预警的目的[6]，有效提升复杂气象风险预警效果。

1 复杂气象风险预警模型

1.1 复杂气象时空数据信息抽取

1.1.1 基于无线传感网络的复杂气象时空数据传输

基于时空大数据及无线传感网络的复杂气象风险预警是对时间、空间信息和复杂气象信息的多维搜索，检索并分析这些同空间位置相关联的复杂气象信息是基于时空大数据预警复杂气象风险的关键。基于无线传感网络[7]，对复杂气象时空数据进行传输，能够保证时空大数据的稳定、安全传输，为构建时空大数据模型、实现复杂气象时空数据信息抽取奠定基础。

1.1.2 面向复杂气象的时空大数据模型

以利用类与对象构建系统为基本理念，面向对象的时空大数据模型具有不受关系模型标准模式约束的优势，通过接收、泛化与组成的处理过程能够实现时空大数据扩展建模[8－9]。根据建模目的选取不同建模方法，模型结构如图1所示。

图1 面向对象时空大数据模型

面向复杂气象的时空大数据模型能够记录复杂气象的插入和波动情况，通过一个复杂气象因子即可反映出该复杂气象全部波动历史，针对时间的记录效果更加显著。

1.1.3 复杂气象信息定向抽取

在面向复杂气象的时空大数据模型中，采用序列标注法和条件随机场模型，定向抽取所需复杂气象信息。

采用条件随机场模型，在复杂气象时空大数据模型中标注所需复杂气象序列信息，用L＝(V，D)描述一幅图像，V，D分别表示图像的分辨率，且Z＝(Zv)，由于v∈V，因此Z可表示图L的顶点。若复杂气象定向抽取条件为C，那么条件随机场(C，Z)符合:

式中:w、v均为图L的顶点，w~v为w与v的相邻节点。

若c＝{c1，c2，…，cn}和z＝{z1，z2，…，zn}分别为观察序列和有限状态集合，根据条件随机场模型理论，得到:

基于特征转移函数与状态特征函数，条件随机场模型将特征函数设定成fj(zi－1，zi，c，i)，结合对应的标注结果得到:

通过条件随机场模型标注复杂气象时空大数据模型中所需复杂气象信息序列时，利用条件随机场模型编号文本语料分词后的各词标记类型[10－12]。明确面向复杂气象的时空大数据模型中所需复杂气象信息观测序列利用转移特征函数与状态特征函数计算模型中所需复杂气象信息特征函数，确定所需复杂气象信息观测值的实际特征，以此作为复杂气象风险预警模型中预警等级预警限值。

1.2 复杂气象风险预警模型

采用多级模糊综合预警法可以定量化边界模糊，定量分析较困难的复杂气象因子，但无法高质量的预警不同强度、不同权重的复杂气象条件[13－14]，为解决这一问题，需依照预警等级将不同复杂气象的时空数据分类后，再实施综合预警。

1.2.1 构建预警空间

用G和U分别表示预警集和因子集，其中不同复杂气象因子表示为u1，u2，…un。划分复杂气象预警等级由重到轻分为A、B、C和D级，分别表示特重级别、严重级别、较重级别和一般级别。复杂气象因子不同等级对应的限值如表1所示。其中，未标注单位的数据为已转变为[0，1]的风险指数，除雨、雪、雾和风沙数据中描述的是能见距离型复杂气象外，其余均为损伤型复杂气象，限值由复杂气象因子观测值的实际特征确定。

表1 复杂气象因子预警等级

1.2.2 计算隶属度函数

复杂气象预警等级需针对不同复杂气象因子实测值实施单因子预警。

若hi和yij分别表示第i种复杂气象因子实测值和第i种复杂气象因子第j级限值，那么:

式中:E为复杂气象总风险。

基于E值，采用隶属法确定复杂气象综合预警等级，根据综合预警等级进行复杂气象风险预警[15]。

2 实证分析

2.1 模型应用

在面向复杂气象的时空大数据模型中，抽取一次复杂气象实测值作为实证分析数据，数据来源中国气象数据网[16]，复杂气象实测值数据如表2所示。

表2 复杂气象实测值数据

①预警空间

依照不同复杂气象因子的实测值与所属预警等级，划分复杂气象因子U＝{u1，u2，…u13}为损伤性复杂气象因子集和能见度性复杂气象因子集，分别用U1和U2表示。

2018年戏曲百戏（昆山）盛典于10月29日拉开帷幕，并一直持续到12月7日。全国共有120个戏曲剧种、122家单位的155个剧目参演。由福建省文化厅组织选送的梨园戏、莆仙戏、高甲戏、打城戏、竹马戏5个本土剧种的1部传统经典大戏和6折代表性经典折子戏入选此次全国性戏曲展演，分别是福建省梨园戏传承中心梨园戏《吕蒙正》、莆仙戏剧院莆仙戏《杀狗记·迎春牵狗》、仙游县鲤声艺术传承保护中心莆仙戏《敬德画像》、厦门市金莲陞高甲剧团高甲戏《审陈三·探牢》、晋江市高甲柯派表演艺术中心高甲戏《骑驴探亲》、泉州打城戏传承中心打城戏《目连救母·代母绕枷》、漳浦县竹马戏（芗剧）传承保护中心竹马戏《唐二别妻》。

其中U1＝{U′11，U′12，U′13，U′14}，分别表示微度、中度、重度和灾难复杂气象因子集。

②计算不同因子隶属度及一级权重

依照隶属度函数与权重划分模型计算不同复杂气象因子的隶属度与权重预警值，结果如表3、表4所示。

表3 微度复杂气象因子集隶属度与权重预警值

表4 中度复杂气象因子集隶属度与权重预警值

③综合预警

依照式(16)计算一级预警权值矩阵，得到:

依照式(17)计算U1与U2的预警分值:

依照式(18)计算复杂气象总风险值，得到:E＝3.13，归属于预警等级B，为较重复杂气象风险，与实际情况一致。实证分析结果表明本文模型能够准确预警复杂气象预警等级。

2.2 数据精度对比

实验为测试本文所设计模型中所使用的时空大数据的精度，分别采用本文模型、基于信息分类的复杂气象风险预警模型[3]和基于仿归一化植被指数法的复杂气象风险预警模型[4]进行信息抽取实验。

对比三个模型抽取到复杂气象信息中的噪声含量，结果如图2所示。

图2 不同模型提取信息中的噪声

分析图2可得，信息中包含的噪声将导致信息丢失，提升误码率，对信息的准确安全产生威胁。本文模型抽取得到的复杂气象信息中包含的噪声，显著低于其他两个模型抽取得到的复杂气象信息中的噪声含量。其中基于信息分类的模型抽取的复杂气象信息中噪声含量波动较大且噪声明显偏高，而基于仿归一化植被指数法的模型前20 s抽取的复杂气象信息中噪声含量较小，但20 s之后抽取的信息中噪声大幅提升，相比之下本文模型抽取的复杂气象信息中噪声含量波动较平缓。实验结果表明本文模型可以抽取完整、准确的复杂气象信息，提升复杂气象风险预警的精度。