利用類神經網路建構航空氣象預報工具之介紹陳心懋.pdfVIP

利用類神經網路建構航空氣象預報工具之介紹 陳心懋 一、前言 類神經網路已經發展超過 50 年，在許多領域都有相當成功的應用案 例，卻一直到近幾年才被應用在大氣科 學方面。主要的原因，正是因為氣 象預報最大的難題在於對非線性機制的 了解與掌握不足，而類神經網路一 直到1986 年之後才發展出成熟的非線性問題解決方案。隨著非線性類神經 網路的發展，愈來愈多人開始試著將其運用在預報作業上。尤其是針對霧、 低雲冪、熱雷雨和地面風場等牽涉到邊界層過程的預報項目，受限於觀測 資料的時空密度過低、對小尺度物理過程的認識不足，以及網格太大等現 實因素，傳統的數值預報模式往往會出現比較大的誤差，而類神經網路能 在未知機制的情況下分析關聯性的能力正能補足此方面的缺陷，最近若干 文獻(Pasini et al. 2001, Nugroho et al. 2002, Tasadduq et al. 2002, Fabbian and de Dear 2006)也證實了引入類神經網路的確有助於提高我們對這類天氣的 預報能力。 類神經網路是一種模仿生物神經系統累積經驗的過程設計出的電腦數 值網路，它可以經由大量資料的訓練，調整網路中各個節點的連結敏感度， 讓網路產生的預測結果與實際情況之間的誤差減小到最低。儘管如此，類 神經網路仍有其限制與尚未解決的問題 。首先，為了能更完整的實現生物 神經系統對複雜訊號的學習能力，許多 學者仍不斷提出新的網路結構。即 使設計出能完全模擬生物的類神經系統 ，正如同真實的學習過程一般，訓 練的成敗仍決定於所使用的資料與訓練方式。 例如在中央氣象局 CWB97-1A-16研究發展專題 (Tzeng and chan 2008) 中，作者利用倒傳遞類神經網路預測台灣成霧現象，採用台南、嘉義、金 17 門和馬祖四個測站作為研究目標，以前 一天的氣壓、溫度、露點、相對濕 度、風速及降水等觀測資料預測隔日是否有濃（重）霧發生。實驗結果發 現四個測站在訓練過程均有很好的成績 ，然而在驗證階段分數較低，作者 推測應是受暖化趨勢影響造成濃（重）霧發生條件發生變化。將其與Nugroho et al. (2002)和 Fabbian and de Dear (2006)的研究相互比較可知，該研究所使 用的是綜觀測站資料，時間密度較機場測站低，而且並未使用「風向」和 「雲冪」這兩個預報因子，這些差異是否會對網路的預報能力產生影響， 仍有待實際研究進行檢驗。而其報告中指出「本研究的類神經網路有 1隱 藏層，隱藏層的節點數約為輸入層的 1.5倍，研究中亦測試 2隱藏層，結果 與1隱藏層差異不大……」 ，此部份與Fabbian and de Dear (2006)和本人所 得之初步測試結果有較大差異。由此可知，類神經網路的效果深受網路結 構、訓練資料和訓練方式的影響，若想利用類神經網路建立適合我們使用 的預報工具，就必需對這些關鍵問題深 入研究並實際嚐試各種設定，以找 出最佳的建模方案。 二、類神經網路在預報作業之應用潛力 為了解決非線性過程造成的預報誤差，許多學者嚐試了各種可能的方 案，其中較具說服力的是Bergot et al. (2005)在巴黎戴高樂機場進行的研究 計劃。長久以來我們都認為提高預報準確度的關鍵在於：更密更精確的觀 測資料、對物理參數化過程更完整的了解和更細的數值模式網格。基於這 個觀點，Bergot 將一個超高解析的一維模式套疊在中尺度三維模式之下， 設置在機場地點，以中尺度模式輸出做 為其強迫項（因為以當時的電腦運 算能力仍無法直接執行超高解析的三維中尺度模式），並完整設定了各項邊 界層參數化。另外建置了一座 30 公尺的氣象鐵塔密集測量各層的風場、溫 度場、濕度場、輻射通量和地溫，做為模式的初始場及校驗使用。令人失 望的是：投入大量運算資源與觀測成本的精細數值模式預報在 6 小時後就 18 不再具有參考價值。 近年來許多航空氣象單位積極投入另一個方向的研究──類神經網 路，如舊金山國際機場以類神經網路預報低雲冪的消散 (Dean and Fie