气象信息融合及聚集处理系统.docVIP

气象信息融合与聚集处理（MIFA）系统方案 气象信息融合与聚集处理系统，英文为Meteorological Information Fusion and Aggregation，缩写为MIFA。此系统将业务常用多源气象信息（包括观测数据、数值预报产品等）进行数据融合得到与大气实际状况尽可能接近的三维网格点数据，并对融合的数据进行聚集变换，得到易于分析的气象分析型数据，作为数据分析（包括数据挖掘、联机分析处理等）的基础数据。此项目的MIFA系统主要用于连接WEKA系统进行数据挖掘分析。MIFA是WEKA的前处理，因此其功能设置必须要考虑整个数据挖掘项目的要求。 根据数据挖掘项目的目的和考核指标，数据挖掘输出产品定为：1、北京市的大风、暴雨、高温有无的12小时概率预报，2、北京地区未来2小时内局地暴雨、雷暴大风有无的网格点概率预报。这样的输出将充分利用数据挖掘的结果，给预报员提供直接的预报参考，而不增加预报员分析数据的负担。3、挖掘结果解释。根据预报员要求，显示产生挖掘结果的规则和聚类类型。为完成此目标，数据挖掘任务设计如下。 数据挖掘以聚类分析和关联规则为主。 聚类分析主要包括：各格点场不同分辨率的区域统计场分别进行聚类、高低值区最优匹配聚类、以雷达回波为中心的高低值区最优匹配聚类等。聚类结果进入类型库。 关联规则挖掘是各格点场特征离散化后求关联规则。离散化方法主要包括：利用聚类结果离散化、对高低值区五元组空间属性和非空间属性采用不同临界值离散化、对区域统计结果各格点值采用不同临界值离散化。离散化后，根据每个离散级别是否出现进行0/1化。然后进行关联规则挖掘。挖掘出的规则进入规则库，取其中带预报量的规则进入预报规则库。 业务预报运行时：首先对当天数据根据类型库进行分类；其次根据规则库中所有规则的前提条件，产生所有可能的规则条件数据（例如与高低值区有关的规则，就需要代入每个高低值区，得到一系列条件数据）；然后对规则库中各规则取所有可能的前提条件组进行匹配，得到各规则对应所有可能的条件组的可信度。根据这些规则可信度产生各网格点上的概率预报。 针对上述数据挖掘任务，设计MIFA系统具有如下功能： 收集各种数值模式产品、观测数据和观测数据加工得到的产品。以收集MICAPS服务器上的数据为主，以便于未来的推广。但雷达和地基遥感探空数据需要本地收集。 部分数据进入LAPS数据融合系统，得到融合后的大气三维格点数据。 对各格点场数据进行区域统计、高低值区域识别，得到气象分析型数据。 对北京地区大风、暴雨、高温有无、雷暴大风和局地暴雨出现的时间、地点、强度资料进行统计。得到预报量数据。 准备要挖掘的数据，所有数据转换成WEKA数据的格式输出。 整个系统分为数据收集、数据融合、数据聚集变换、预报量数据收集和WEKA数据准备等五个模块。 数据收集模块 收集MICAPS服务器能够得到的各种数值模式的数据、观测数据和观测数据加工得到的产品。MICAPS服务器包括如下目录中所有数据： 1、数值模式产品： ecmwf germany japan kwbc T639 IUM/operation/RUC2-3km GRAPES_MESO 2、MICAPS大尺度观测资料： surface high physic 3、中尺度观测资料： AWS/plot AWS/td AWS/r1 amdar 4、卫星数据： Satellite/Image/Equal/ 其他还包括：自动站Z文件、雷达基数据、ANC产品以及风廓线、RASS、GPS、微波辐射仪等地基遥感探空数据。 所有数据均放入LAPS原始数据目录下（data/rawdata）。 其中RUC、自动站、雷达、卫星数据均转换为LAPS格式。 其他数据转换为MICAPS格式。 二、数据融合模块 与LAPS接口。输入数据包括：RUC模式产品、华北地面常规站和自动站、华北高空常规站、华北雷达（多少部？）、FY2E和FY2D卫星产品、北京地区风廓线雷达、RASS、GPS、微波辐射仪。分析区域：？，分析周期为1小时。 进行LAPS（STMAS）数据融合。输出均转换为MICAPS格式。 输出包括：地面：气温、温度平流、地表温度、位温、位温平流、相当位温；水汽类-露点、相对湿度、混合比、混合比平流、混合比辐合、风场、全风速、散度、涡度、垂直速度；高空：各层高度、温度、比湿、露点、相对湿度、风场、涡度、散度、垂直速度、位温、相当位温、温度平流；热力学参数：对流有效位能、对流抑制能量、K指数、凝结高度、螺旋度、抬升指数、沙氏指数、总指数、零度层高度；云分析产品：总云量、云底高度、云顶高度产品。LAPS外附加物理量包括：理查森数、对流理查森数、粗理查森数、粗理查森数切变、简化粗理查森数、击穿CIN垂直速度、涡生参数等。 三、数据聚集变换模块