авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |

Концепция вероятностно-географического прогнозирования опасных явлений погоды юга россии

-- [ Страница 4 ] --

Представление об атмосфере как о сложной динамической системе с присущим ей эволюционированием позволяет применять для исследований рисков опасных явлений погоды, в ней возникающих, системный подход. Можно относить опасные явления погоды, развивающиеся в нижнем слое атмосферы, как своего рода проявление ее системных свойств, то есть тех ее особенностей, которыми обладает только сама система – атмосфера. Так, например, данной сложной системе свойственны неустойчивое и устойчивое состояния, которые определяются набором количественных параметров. Переход атмосферы в неустойчивое состояние характеризуется появлением опасных явлений погоды. Существует множество подходов к определению понятия «риск». В данном исследовании будем считать, что метеорологический риск – это определяемая неопределенность, связанная с появлением тех или иных опасных явлений погоды. Для ее устранения в работе применяется метод байесовского снятия неопределенностей. Кроме того, опасные явления погоды, в связи со значительной быстротой развития и интенсивностью, а также со сложностью установления линейных связей с их причинами, можно отнести к нелинейным объектам, что и обусловливает трудности в их прогнозировании. Поэтому для анализа их рисков более подходят методы нелинейной динамики. Атмосфера, вероятно, относится к сложным системам с эффектом запаздывания. В частности, между возмущенностью магнитного поля и моментом появления опасных явлений погоды в данном исследовании определен временной промежуток, равный 20 суткам.

В шестой главе на втором этапе реализации идеи работы описан вероятностно-географический прогноз ОЯ, осуществляемый на основе методов нейрокомпьютерного моделирования и, в частности, создания искусственных нейросетей. Для реализации метода прогнозирования вначале была создана база данных на основе метеорологических ежемесячников и ежегодников Росгидромета. Выборка ОЯ производилась с учетом критериев, принятых в Северо – Кавказском УГМС, а также исходя из утвержденного Руководящего Документа (РД №52.04.563 – 2002). При этом временной интервал охватывал 50 лет (данные с 1950 по 2000 гг.). Были отобраны репрезентативные метеорологические станции, расположенные на равнинных территориях Ростовской, Волгоградской, Астраханской областей, Краснодарского и Ставропольского краев, а также Калмыкии, с репрезентативными рядами наблюдений. Первоначально база данных содержала таблицы ОЯ с датами их возникновения, продолжительностью (начало – окончание), интенсивностью, а также с указанием географического района (станция, пост, пункт наблюдения). Кроме того, имелась информация о сопутствующих им явлениях, о синоптической обстановке в момент их возникновения. В дальнейшем, на основе обработки первичной информации была сформирована вторичная база данных, представляющая собой хронологические числовые ряды ОЯ.

Для определения условий, наиболее вероятных для возникновения исследуемых явлений, применялся подход Байеса с последующей оценкой результатов его применения при помощи следствия метода минимакса. Причем, процедура реализации задачи - принятия решения о нахождении атмосферы в неустойчивом состоянии с опасными явлениями погоды – состоит в том, что объект с комплексными признаками относят к указанному состоянию, если апостериорная вероятность этого состояния максимальна. Указанный метод был применен впервые для исследования конвективных, бароградиентных и гололедно-изморозевых явлений на равнинах юга России. Преимуществом его является то, что он позволяет с достаточно высокой степенью достоверности оценить условную вероятность опасных явлений погоды при определенных метеорологических и геофизических условиях. В результате расчетов удалось выявить комплекс геофизических и метеорологических условий, наиболее вероятно приводящих к риску возникновения ОЯ. Это следующий набор:

-небольшая активность магнитосферы;

-повышенные скорости геострофического ветра на высоте 10 км;

-высокая интенсивность атмосферной циркуляции, а, именно, повышенная интенсивность антициклональной циркуляции.

Кроме того, были установлены следующие тенденции взаимосвязи между активностью магнитного поля Земли и ОЯ:

- между моментами сильных магнитных бурь и опасных явлений погоды существует обратная зависимость;

- средне – или слабовозмущенное магнитное поле при повышенной интенсивности антициклональной циркуляции в наибольшей мере способствует возникновению искомых событий;

- выявлен так называемый временной фактор или момент запаздывания пиков активности магнитосферы и ОЯ – исследуемые явления наблюдались спустя 20 дней после наступления магнитной бури.

Метод минимакса – минимизации ошибок при диагностике неустойчивости атмосферы – позволил определить сочетания диагностических параметров, при которых эта ошибка минимальна. Так, например, для отдельных дат интенсивность антициклональной циркуляции не менее 0.3 (гПа/100 км) при меридиональной -21.0 (м/с) составляющей скорости геострофического ветра (отрицательный знак составляющей вектора свидетельствует о направлении воздушного потока - северно – южный перенос) в большинстве случаев приводили к ОЯ. С другой стороны, магнитная активность Земли не более 2 - 3 баллов, зональная -13.0 (м/с) (восточно – западный перенос) составляющая скорости геострофического ветра также способствуют возникновению ОЯ.

Анализ и обобщение полученных результатов апробации метода минимакса позволили установить, что ошибки при диагностике неустойчивого состояния атмосферы минимальны при следующем сочетании диагностируемых параметров:

-антициклональная циркуляция при небольшой интенсивности;

-слабовозмущенное магнитное поле Земли;

-средние скорости геострофического ветра на высоте 10 км при преобладании отрицательных знаков векторов как меридионального, так и зонального переносов.

Основной частью второго этапа реализации цели исследований является использование нейромоделирования для осуществления собственно вероятностно-географического прогноза опасных явлений погоды. В разные годы были осуществлены попытки вероятностного прогнозирования различных природных объектов, включая гидрометеорологические явления. В данном случае, в сооветствии с описываемой концепцией, прогнозирование ОЯ будем производить после выделения макросиноптических типов, расчета индексов переноса, а также интенсивности антициклональной и циклонической циркуляции. Так, в частности, для прогнозирования ОЯ применялись построенные нейросети – сети Кохонена, отличающиеся способностью к самообучению, интуитивному анализу информации, возможностью модификации и подбору входящих численных параметров. Сети Кохонена представляют собой многомерную решетку, с каждым узлом которой ассоциирован весовой вектор (набор из k весов нейрона) в разрезе, фрагмент которой представлен на рис.5.

 Общий вид сети Кохонена при осуществлении вероятностно-географического-4

Рис.5. Общий вид сети Кохонена при осуществлении вероятностно-географического прогноза ОЯ

Для осуществления вероятностно – географического прогнозирования опасных явлений погоды была создана отдельная база данных в виде нормального (без ОЯ) числового поля, ограниченного квадратом со сторонами 55 – 440 с.ш., 40 – 600 в.д. В ее состав входили ежедневные геофизические и метеорологические данные, включающие следующие параметры: мощность магнитной бури (в баллах); интенсивность циркуляции (в гПа/100 км2); температура воздуха (в градусах Кельвина); облачность (%); количество осадков (слой воды, мм); векторные составляющие скорости геострофического ветра (м/с); атмосферное приземное давление (гПа) (архивы Северо – Кавказского УГМС, ИЗМИРАН, NCЕP/NCAR с 1948 по 2000 гг.). Также на основе данных об ОЯ была получена вторая база метеорологической ситуации для дат опасных явлений погоды. При этом, под вероятностями прогнозируемых ОЯ, исходя из данных условий, понималось отношение концентрации нейронов в окрестности исследуемой точки к максимальной концентрации нейронов в пространстве задачи. В данном случае работа нейрона (элементарного компонента сети) складывалась из анализа заданных 9 параметров. Работа и настройка сети, в свою очередь, заключалась в том, что начальные значения координат нейронов выбирались случайно. Затем производилось нормирование вектора координат нейронов. Определялся нейрон-победитель. Для каждого опасного явления производилась коррекция векторов координат всех нейронов.

Коррекция вектора координат производилась с помощью кусочно-аналитической функции. Обучение сети осуществлялось в два этапа. Во время первого этапа окрестность нейрона-победителя была достаточно велика, а функция коррекции для нейронов, не попавших в окрестность победителя, не равна нулю. Во время второго этапа окрестность нейрона-победителя стремилась к нулю, функция коррекции для нейронов, не попавших в окрестность победителя, равна нулю. После обучения нейросети, максимальная концентрация нейронов в пространстве принималась за единицу. В результате работы созданной нейросети были получены вероятности возникновения таких исследуемых в работе ОЯ, как сильные ветры, сильные дожди и гололед; диапазон их значений изменялся от 0 до 0.96. При этом нужно подчеркнуть, что реализация метода осуществлялась для каждого ОЯ в отдельности. Пример результата работы нейромодели для расчетов вероятностей возникновения сильных дождей для точки с координатами 450 с.ш. и 450 в.д. представлен в таблице 1.

Таблица 1

Фрагмент выходных данных нейромодели для расчета рисков сильных дождей, полученных в ходе учебного испытания для точки 450 с.ш. и 450 в.д. в рамках квадрата 40 – 600 в.д. и 55 – 440 с.ш.

Дата прогноза Рассчитанная вероятность ОЯ Фактически наблюдаемое число сильных дождей
31.05.2002 0.9 1 случай (90,7 мм за 2 ч)
01.06.2002 0.3 0
02.06.2002 0.01 0
03.06.2002 0.1 0
04.06.2002 0.3 0
05.09.2002 0.4 0
06.06.2002 0.8 0
07.06.2002 0.01 0
08.06.2002 0.01 0
09.06.2002 0.2 0
10.06.2002 0.4 0
11.06.2002 0.2 0
12.06.2002 0.2 0
13.06.2002 0.1 0
14.06.2002 0.01 0
15.06.2002 0.4 0
16.06.2002 0.4 0
17.06.2002 0.5 0
18.06.2002 0.
9
1 случай (55,7 мм за 7 ч)
19.06.2002 0.6 0
20.06.2002 0.8 1 случай (55,2 мм за 11 ч)

Учебные испытания нейромодели производились на примере 2002 года для точки с координатами 450 с.ш. и 450 в.д. в рамках рассматриваемого квадрата со сторонами 40 – 600 в.д. и 55 – 440 с.ш. На первой ступени прогноза был произведен учет развития в прогнозный период форм циркуляции W + С, при которых по среднемноголетним данным возникали шквалы, сильные дожди и сильные ветры, гололед и изморозь. Параметры модели – описанные выше 9 входов, число нейронов 500. Результаты – ежедневные значения вероятности ОЯ (сильные дожди, сильные ветры, гололед), полученные отдельно в ходе работы сети, - были сравнены с реально наблюдаемыми в этом году ОЯ на расположенных вблизи этой точки метеостанциях, в частности, ст. Арзгир (450 37`с.ш., 440 22` в.д.). На представленном фрагменте для сильных дождей можно видеть достаточно близкую сходимость рассчитанных и фактически наблюдавшихся случаев рассматриваемых явлений.

Так, удалось верно рассчитать вероятность сильных дождей, наблюдаемых 31 мая (вероятность 0.9), а также 18 и 20 июня (0.9 и 0.8 соответственно). В течение года было зафиксировано 6 случаев сильных дождей, для 5 сл. из которых рассчитанная вероятность составила 0.9 (табл.1), поэтому оправдываемость этих опасных явлений составила 83 %, а доля неправильно рассчитанных вероятностей равна 17 %.

Из 3 случаев гололедно – изморозевых явлений верно предсказано было 2 случая (вероятность 0.8), оправдываемость составила 67 %, доля ошибки равна 33 %. Из 4 - х случаев сильных ветров было предсказано 2 случая, рассчитанные вероятности составили 0.9, оправдываемость прогноза составила 50 %, доля ошибки была равна также 50 %.

Оперативные испытания модели были проведены в декабре 2006, январе 2007, марте и апреле 2008 гг. на базе Ставропольского филиала АНО «Северо – Кавказское метеоагенство». Прогнозы ОЯ оценивались по материалам ст. Ставрополь (450 30` с.ш., 410 59` в.д.). Также были учтены макропроцессы (W + C), преобладающие в прогнозный период времени. Параметры модели (9) были такие же, как и для учебных испытаний, число нейронов составило 500.

В таблице 2 приведен фрагмент выходных данных работы нейромодели для случаев сильных ветров в марте – апреле 2008 г., представляющих собой ежедневные вероятности указанных ОЯ.

Таблица 2

Фрагмент выходных данных нейромодели для расчета рисков сильных ветров, полученных в ходе оперативного испытания для ст. Ставрополь (450 30` с.ш., 410 59` в.д ) в рамках квадрата 40 – 600 в.д. и 55 – 440 с.ш.

Дата прогноза Рассчитанная вероятность ОЯ Фактически наблюдаемое число сильных дождей
22.03.2008 0.9 1 случай
23.03.2008 0.3 0
24.03.2008 0.01 0
25.03.2008 0.7 1 случай
26.03.2008 0.3 0
27.03.2008 0.4 0
28.03.2008 0.8 0
29.03.2008 0.01 1 случай
30.03.2008 0.01 0
31.03.2008 0.2 0
01.04.2008 0.4 0
02.04.2008 0.2 0
03.04.2008 0.2 0
05.04.2008 0.8 1 случай
06.04.2008 0.01 0
07.04.2008 0.4 0
08.04.2008 0.4 0
09.04.2008 0.5 0
10.04.2008 0.9 1случай
11.04.2008 0.6 0
12.04.2008 0.8 1 случай


Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.