基于可视化的基层气象网络与装备运行维护

黄爱玉 倪青汉 彭发强

(福建省龙岩市气象局,福建 龙岩 364000)

0 引言

天气预报离不开气象观测数据，要获取准确的观测数据，必须保证气象装备与信息网络高质量运行。随着气象预报精准度的提高，基层气象观测数据采集装备的安装密度越来越大，信息化设备越来越多，因此基层气象装备与信息网络的运行维护必须提高自动化程度，而自动化的运行维护目标是可视化运行维护。

目前，市县级气象部门一般布设了多普勒天气雷达、国家级自动站、自动土壤水分站、探空雷达、风廓线雷达、GPSMET水汽站、雷电检测站、区域自动站、微波辐射计等监测设备，以及通信网络与安全设备等，这些设备的运行维护是一项庞大的任务。设备隔数分钟采集一系列气象数据，同时也生成各类设备的状态数据。在大数据背景下，对这些设备的状态数据进行分析，从而促进设备的精准保障。UC Berkeley 大学Hal Varian 教授指出：“数据正在变得无处不在、触手可及；而数据创造的真正价值，在于我们能否提供进一步的稀缺的附加服务，这种增值服务就是数据分析。”[1]对于运行维护，工作经验丰富的工程师往往能够做出更准确的判断，而新人判断则不会那么准确。然而经验是需要积累的，基层气象部门的设备运行维护人员岗位调整较频繁，专业性较弱，特别是运行维护知识比较抽象，难以掌握，因此必须利用大量状态监测数据进行分析判断。

1 可视化技术的应用

可视分析(visual analytics)是科学信息可视化、人机交互、认知科学、数据挖掘、信息论、决策理论等研究领域的交叉融合所产生的新的研究方向[1]。Thomas 和Cook认为，可视分析是一种通过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的科学与技术[2]。可视分析的运行过程可看作数据—知识—数据的循环过程，中间经过两条主线：可视化技术和自动化分析模型，从数据中洞悉知识的过程，主要依赖两条主线的互动与协作[1]。可视分析不再是一个交叉研究的新术语，而是一个独立的研究分支[1]，近年来已经应用在气象领域。

2 可视化的运行维护

将气象设备、网络资源、应用服务器等的状态和实时信息通过可视化方法直接展示，其根本目标是为了保障信息网络与装备运行维护工作，指导保障人员或者研发团队做出正确的判断和处理。一幅图胜过千言万语，人类从外界获得的信息约有80%以上来自于视觉系统[1]。当运行维护数据通过可视化的方式呈现，更能直观分析故障背后的信息并得以判断分析。某种程度上，运行维护与可视化相辅相成，可视化程度越高，运行维护就越简单，运行维护效率也就越高。

3 实现基层气象装备与信息网络可视化运行维护的方法

立足于基层信息网络与装备保障实际业务，解决实际问题。应用可视化技术及人工智能技术实现可视化的运行维护。

图1 需求分析流程图

3.1 基于网络拓扑结构可视化的信息网络相关设备状态的监控与运行维护分析

采用王松等人提出的以网络数据为中心的分析流程VPI 模型(图2)制定网络拓扑的可视化[3]，以点和线等构成的图形或图像来呈现网络上节点的关联，从而直观并清晰地反映网络的运行状态，帮助信息保障人员对网络的节点设备(安全设备、网络设备、服务器、应用系统等)、链路进行各方面的评估、检测和分析，发现网络信息的规律以及变化。通过网络拓扑图分析网络的运行情况、判断信息网络的各种状况，例如网络拥堵、链路瓶颈、设备故障等，实现对整体的网络状态进行监测和监控，对状态进一步控制。

图2 基于VPI 模型的网络拓扑可视化分类策略

在网闸、准入系统、360天擎系统等已有安全产品基础上，规范内外网网络行为，建立内外网攻击行为的主被动防御体系，使各软硬件系统有效配合，达到“1+1>2”的效果。通过可视化技术实时监控上网行为管理、入侵防御、存在漏洞威胁自动修复、准入系统、全网安全状态评估等信息安全状态，通过攻击情况，溯源攻击行为，分析解决方法。

3.2 基于GIS的气象装备可视化运行维护

将气象装备空间布局、实际状态、实时采集数据结合二维地图及三维地图进行直观展现。通过可视化技术，在地图上直观呈现多普勒天气雷达、探空雷达、GPSMET水汽站、雷电检测站、风廓线雷达、自动土壤水分站、国家级自动站、区域自动站等气象设备的运行状态、链路情况，实时数据采集情况，同时采集状态运行情况，显示数据疑误信息。

3.3 基于数据可视化的气象数据分析

采用数据可视化分析方法，对设备生命周期内的运行状态进行数据分析，判断设备的运行情况，得出设备运行状态评价，进一步评估设备的维护周期；结合地理位置，站点周边数据以及雷达数据，利用温度分布图、雨量分布图、雷达图等的直观对比，进行时间—空间上的站点气象数据对比分析，判断站点数据的疑误信息情况。数据可视化在数据分析、关联分析、趋势分析中起到了至关重要的作用。应用数据可视化技术，可以在已有的数据中分析出数据隐含的趋势[4]，从而在数据中分析出天气的变化趋势、规律，进行疑误数据的分析处理。

接入数据监控模块，从数据检测模块获取数据，流程如图3所示，从数据监控模块中实时读取数据，对实时数据进行分析处理，再从分析结果中判断是否为疑误数据，若不是疑误数据则返回上一个步骤，否则利用智能计算技术判定疑误数据产生原因是否为设备故障，如果是，则向设备监控模块发送故障信号并调用故障处理程序，然后给出数据修正建议提交值班员参考，最后读入下一个时次数据，重复上述步骤。

图3 疑误数据分析处理流程

3.3.1 疑误数据的分析方案

所有测量数据均是按时间先后顺序测量的，温度、湿度、风速等要素可以认为是按时间先后顺序组成的序列(以下简称时间序列)。在时间序列中，前后数据之间存在某种传递联系，本研究基于自回归模型、循环神经网络算法提出一个适合气象数据的递归算法。

3.3.2 递归关系算法

3.3.2.1 自回归模型

自回归模型是统计上一种处理时间序列的方法，用同一变数例如x的之前各期，亦即x1至xt-1来预测本期xt的表现，并假设它们为一线性关系。因为这是从回归分析中的线性回归发展而来，只是不用x预测y，而是用x预测x(自己)。模型公式如下[5]：

其中，c是常数项；εt被假设为平均数等于0、标准差等于δ的随机误差值；δ被假设为对于任何的t都不变[5]。

3.3.2.2 循环神经网络

长短期记忆网络(Long Short-Term Memory，LSTM)是一种时间循环神经网络，是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的。由于独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件[6]。

3.3.3 基于场论算法

用统计分析方法研究一个多变量的算法，如果变量太多，会增加研究的复杂程度。我们希望在少量变量的前提下可以得到较多的信息量。往往变量与变量之间存在一定的关联，当多个变量之间有一定关联时，可以认为这些变量体现的信息是有重复的。在一定范围内的所有自动站所测量的同一要素所反映的信息也可能存在重复关系，也就是说可以通过正交变换将这个范围内自动站统一要素的数据转换为一组线性不相关的变量，则在这个范围内的任何一个自动的该要素都是线性不相关变量的线性组合。如果检测其中一个自动站的数据，只需用其他自动站的数据线性迭加就可以校验这个数据是否疑误。

目前测量各气象要素的方法都是基于场论，场论精确描述了场强线与等势线之间的关系，结合实际测量站点的空间关系，各测量点之间存在空间分布关系，基于这种关系也能研究数据疑误判定方法。

各要素所表示的场是不同的物理场，说明实际的测量环境是各种场之间迭加的环境，各场之间也存在这相互联系。同时，对个别场也有采用不同的测量手段，如对于降雨采用了翻斗式雨量桶、称重式雨量桶、雷达等手段，其中也存在某种联系。基于这些也能对数据展开相关算法设计。

根据可视化情况，通过场论迭加现象，可以得出各要素空间分布之间可能存在某种关联，可以将各要素根据地理位置绘制出空间分布图像，如温度分布图、雨量分布图、雷达图等等，借助深度学习领域中神经网络算法对图像分析处理的优异性能计算不同要素空间分布图之间的关系，利用这个相关关系校验任意时刻自动站数据是否疑误。

4 需重点解决的业务问题

通过网络拓扑、数据分析、基于GIS的装备等现有可视化技术对基层(市县级)气象装备以及信息网络相关设备，实现多源异构数据整合和实时数据运行维护，提高基础资源利用率，基础数据可用性，为基层保障工作提供不同维度的运行维护数据关系。依托数字化大屏硬件平台，融合大数据及人工智能技术，将研究数据采用文字、图表、数据驾驶舱、状态进度图、视频等形式展示在大屏上。

5 结束语

为解决基层气象装备保障与信息网络运行维护存在的人手不够、专业性较弱、人员岗位调整频繁等问题，以数字化大屏的硬件平台建设为抓手，采用网络拓扑、数据分析、GIS装备等现有可视化技术，融合大数据及人工智能技术，以直观、简明的界面实时展示基层(市县级)气象装备、信息网络相关设备的运行维护及气象数据的疑误分析信息。可视化运行维护系统是基层气象部门的发展趋势，能够提供不同维度的运行维护数据关系，有助于提高基础资源的利用率和基础数据的可用性，提高信息保障业务的服务质量。对提高基层气象装备保障和信息网络运行维护成效极具现实意义，同时基层气象部门业务结构相同，可视化运行维护系统又具有可推广性。