天气预报中数据挖掘技术的运用分析.docVIP

天气预报中数据挖掘技术的运用分析 　　【摘 要】天气预报中数据挖掘技术的运用，为天气预报提供了可靠的数据支持，极大地提高天气预报的准确性，随着现代化科学技术的快速发展，数据挖掘技术也会越来越完善，将会在天气预报中发挥更加重要的作用，进而为经济发展和居民生活的质量提高起到重要的智力支撑意义。 　　【关键词】天气预报 数据挖掘技术 准确率 　　1天气预报中数据挖掘技术的运用 　　1.1天气预报工作 　　天气预报是一项以热力学和大气动力学为基础，集判断推理和计算的重要工作。天气预报人员根据初始场的天气资料，根据气象学的预报方法和相关知识，再结合天气预报工作人员的经验，从而预测和推动未来的天气情况。但是天气预报工作人员的经验具有很多的不确定性，在很大程度上会影响天气预报的准确性。在天气预报中运用数据挖掘技术，可以通过数理统计的数据挖掘方法，科学分析历史资料，从而挖掘有价值的信息，提高天气预报的科学性和合理性。 　　1.2资料准备工作 　　要进行天气预报，首先需要有初始场资料，例如根据今天夜间22点高空、地面大气层变化等多种初始场资料，科学预测明天的天气状况。运用数据挖掘技术科学预报天气，其数据源必须是庞大的，如果数据资料较少，再进行数据挖掘基本上没有什么意义，并且大气运动过程非常复杂，不可能根据一两个数据资源就来预测。因此，在使用数据挖掘技术之前，要准备大量的历史数据，从而使天气预报更加可信、更加准确，有效地适应社会发展和居民生活的需要。 　　1.3数据清洗工作 　　气象信息处理系统中包含的资料非常多，不需要将所有这些资料用于数据挖掘，因此要适当对这些数据资源进行筛选，提高工作效率，减轻工作量。例如，经过筛选，最终选择出地面部分的天气预报因子：露点、低云状、10小时降水、5小时变压、风向、海平面气压、总云量；高压部分天气预报因子：风向、温度露点差。 　　1.4数据挖掘过程 　　1.4.1挖掘总云量知识 　　在气象学中，云量主要分为0、1、2、、、、、、10这十一个等级，在气象信息处理系统中，0还可以表示数据丢失或者没有观测数据。从数据库中提取大雨发生之前10小时的总云量数据。从全省36站点中选择几个。大雨发生之间的12个小时中，天空乌云密布（即总云量为10）的次数约占50%，在总体云量较少的情况，大雨发生的概率较低。根据36个站点的总云量数据，云量大于6的约占63%，进一步挖掘，在大雨发生之前，4个相邻站点附件的云量超过7，云量等级超过7，下大雨的概率就比较大，因此天气预报会显示阴雨天气。 　　1.4.2挖掘云状知识 　　云主要有低云、中云和高云三种，每种云又具有很多不同的类型，而这些信息中是否含有有价值的信息，在气象信息处理系统中运用数据挖掘技术。 　　这些站点在大雨发生之间的12个小时中，低云一共出现1157次，简单来说，大雨发生之前，低云出现的频率很高，同样，卷云类型的高云出现1176次，这说明，大雨发生之前经常会出现卷云。根据数据挖掘技术结果可以推测，在大雨来临之前，通常会出现卷云和层云。 　　1.4.3根据数据挖掘知识进行天气预报 　　云量和云状是最主要的两个气象因素，根据数据挖掘的云量和云状的知识，可以对大雨的发生情况进行预报。在进行天气预报时，选择08和20时的气象信息处理系统的地面资料作为气象预报的初始场，从系统中挖掘10小时降水、云状和云量资料。首先，在气象信息处理系统中检索各个站点的云状和云量资料，查看低云的类型是否是层云，查看云量等级是否超过6，如果两者都满足，可以预测该站点附近发生大雨的可能性比较大，然后再查看这些站点是否相邻或者连接成片，再预测是否会发生降水。 　　2提高天气预报准确率的建议 　　2.1做好天气图的基础分析 　　依据数据信息的预测方式在天气预报工作中的地位愈发重要，预报员也越来越依赖计算机做出的预报结果，这种工作方式已成为当前主要的天气预报模式。但是现代天气预报的基础仍旧是依靠人工做出的天气预报图，这体现了人们思维的重要性。在天气学尚处于发展初期的1826年，我国的气象工作者就已经开始手工绘制天气图并利用外推法尝试进行天气的预报工作；1920年，挪威气象学家威尔海姆?皮叶克涅斯通过分析天气图发现的锋面理论，至今仍是常规天气预报的基础理论之一。在日常的天气预报中，要以天气图为基础，重视地面、边界层和高层气象资料的整合与处理，从而提高天气预报的准确性。此外，在进行极端灾害天气预警时，还要充分考虑动力气象分子和热力气象条件，从而达到对产生灾害性天气条件的全面分析。 　　2.2充分利用MICAPS系统 　　MICAPS系统是现代化人机交互信息处理和预报分析系统，也是预报人员经常使用的预报系统，汇集了许多气象分析要素，包括地面监测数据、高空监测数据、卫