基于大数据平台的天气预报系统综述.pdfVIP

基于大数据平台的天气预报系统综述

自动气象站的普及和观测因素的增多，使气象数据量不断上升，累

积达到PB级，一般的技术和平台已无法对其进行存储和处理，而大数据

平台为这一问题提供了一个切实可行的解决方案，减少了信息的繁杂度。

随着用户需求的提高，智能决策、推送系统等被应用到天气预报系统，

促使进一步向人性化方向发展。本文从大数据平台的角度出发，对气象

信息预测和智能推送等相关技术进行分析。

1天气预报系统分析

基于对大量天气预报系统的分析，气象信息预测和智能推送的框架

的划分如图所示。

2

气象数据预测是一个信息处理层，用云计算和各种数据挖掘技术来

处理大量的气象数据，以动态变化特征建立预测模型。智能信息推送主

要通过基于深度学习的推荐系统与LBS相结合，挖掘与用户兴趣相符合

的气象信息，并通过数据可视化技术为智能终端的用户提供个性化的信

息。

2气象数据预测分析

自然界各類物理信号经过多种传感器釆集后转化为电信号，再经过

模数转换原理转化成时间序列排列的离散的数据列，要显现不同气象要

素的变化趋势仍需对所得离散数据列作进一步处理。

2.1数据预处理

传感器对物理信息的采集具有时间差，故模数转换后的数据将会是

按时间序列排列的，那么平稳性检验和白噪声检验显然是必要的。而在

传感器进行信息采集的时候，周围环境的部分扰动同样会被采集,故如何

消除其他要素的干扰，还原真实数据则是预处理需要解决的问题。由于

各类数据被干扰程度存在差异，故预处理的方式亦甚多，以下列举部分

数据预处理方法。

Kalman滤波处理法：通过对数据噪点的某些统计特质进行假设，对

数据本身进行系统的、无偏的、线性的最优解估计，从而获得最接近真

实信号的估计值。

EEMD分解法：通过对数据施加均匀的高斯白噪声，同时将信号按

照不同频率的区段逐次分解成相互联系小、频率相异的IMF分量和一个

剩余量，减弱了EMD分解法中IMF分量模态混叠的情况［3,4］。

2.2不同气象要素的预测模型

不同的气象要素数据存在着不同的特点，因而其预测模型也存在差

异。

2.2.1气温预测模型

BP神经网络模型：其基本思想为通过局部有哪些信誉好的足球投注网站达到输入信号与期望

信号均方差最小的信息处理系统。工作期间，信号通常呈正向传递，经

隐含层非线性处理后由传递函数输送到输出层。若输出信号与预期输出

信号相差较大，则转入误差庾向传递的过程，在此过程中将误差均等分

配到各个权值和阀值进行调整，直到实际输出与预期输出信号误差小于

误差设定值或超出迭代次数。基于气温受诸多因素的影响，应用非线性

处理能力较强的BP神经网络作为气温在部分季节或时间段的预测模型

能取得较为准确的预测结果。在选择输入变量后,运用归一化处理解决不

同参变量之间单位及数量级相差较大的问题,随后确定隐含层和输出层

的传递函数便可，隐含层节点数目可由多次训练实验获得。

2.2.2湿度预测模型

GM(1,1)预测模型：该模型旨在展现数据的动态输入变化，基本思

想为侧重凸显近期输入数据的特征，故在时间序列中能较好地凸显所测

变量的动态变化结果，是理想的短期预测模型。设定起始时间序列点后

对自变量建立自化微分方程，再用最小二乘法确定各参数的值即可推导

出预测模型。

2.2.3能见度预测模型

遗传神经网络模型：遗传神经网络是提髙了随机有哪些信誉好的足球投注网站能力的BP神经

网络，其基本思想是对问题情境的不同切入点随机生成一组起始解，随

后通过建立适应度函数评定不同个体的适应度，适应度越高,被选取的概

率越大，继而被选取的个体将会发生交叉和变异，从而诱变产生更高适

应度的个体，起始解生成到问题适应解生成的过程称为一次迭代。在充

分迭代之后，收敛区域将余下一个个体，最后拆解选中个体即可得最适

解。遗传神经网络可看作糅合。适者生存”的自然选择思想的人工神经

网络，降低了整个机制忽视全局性或陷入平坦区域的机率，更多地使拟

合倾向于随机有哪些信誉好的足球投注网站，提高拟合精度。针对问题情景设定输入、输出向量

和网络结构参数，经过训练集、实验集和检验集处理后同样可得到问题

情景的预测结果。

2.2.4风速预测模型

离散Hopfield模式识别