Курсовая работа: Cреднесрочный прогноз степени пожарной опасности в лесах по метеорологическим условиям

Возрастающий объем видов расчетной прогностической продукции и необходимость ее пространственно-временной детализации дают возможность решать задачи прогнозов многофакторных природных явлений. При построении прогностических схем на сроки более двух суток одним из самых эффективных подходов остается физико-статистическая интерпретация гидродинамических моделей атмосферы. При этом для восстановления метеорологических величин применяется аппарат математической статистики и знания физических процессов. Учет погодных особенностей при различных синоптических процессах позволяет корректнее формировать исходные выборки и уточнять выходные значения метеорологических величин. Значительно повышает качество методов предварительная кластеризация исходного объема данных по разным вариантам: сезонная классификация, подбор аналогов, выделение однородных массивов по значениям предиктанта или предикторов.

На базе данного направления в СибНИГМИ разработаны и к настоящему моменту внедрены в оперативную работу Западно-Сибирского Гидрометцентра физико-статистические схемы среднесрочных прогнозов температуры воздуха и осадков по районам Новосибирской области, являющиеся базовыми элементами для подсчета комплексного показателя ПО. Неизвестным остается компонент, отражающий накопленный дефицит влаги в атмосфере.

2.2 Построение прогностических уравнений с использованием метода самоорганизации модели по внешним критериям

Задача структурного моделирования по исходным матрицам наблюдений сводится к выбору наилучшей структуры, отображающей зависимость между входными параметрами и выходной величиной. Разработке принципов и критериев оптимального отбора эффективных регрессионных уравнений посвящено немало работ. Наиболее обоснованным на этом фоне выглядит метод группового учета аргументов (МГУА) /8, 9/, построенный на принципе самоорганизации, суть которого состоит в том, что при переборе аргументов и при постепенном усложнении моделей некоторые критерии проходят свой минимум. Алгоритм определяет этот минимум и таким образом указывает на оптимальную модель.

Чем достигается оптимальность по структуре и по множеству учитываемых переменных в решающих уравнениях? Прежде всего - привлечением внешних критериев. В /8/ показано, что любой внутренний критерий приводит к ложному правилу: чем сложнее модель - тем она точнее.

Согласно теореме Геделя о неполноте из математической логики только внешние критерии позволяют выбрать единственную модель оптимальной сложности.

Для получения внешних критериев исходная выборка разделяется на обучающую и проверочную последовательности. По одной получаются коэффициенты моделей- претендентов, а по другой - оценки этих моделей по выбранным критериям селекции. Далее осуществляется целенаправленный перебор постепенно усложняющихся структур моделей и их отбор по ряду целесообразных эвристических критериев.

На этапе выбора критерия отбора заложена еще одна возможность повысить непротиворечивость и устойчивость выходных решений. Так, например, используя критерий минимума смещения, можно добиться минимальных отличий в моделях, построенных на разных частях исходной последовательности. Сначала первая последовательность данных является обучающей, а вторая - проверочной (решения qi(A)). Затем, наоборот, вторая является проверочной, а первая - обучающей (решения qi(B)). Близость этих уравнений оценивается по величине среднеквадратического расхождения их выходов по всем точкам последовательности:

(7)

определяется типом решаемой задачи и поставленной целью.

Существенной характеристикой МГУА является возможность увеличить первоначально ограниченное число коэффициентов модели применением многорядной селекции.

В данном исследовании на первом шаге использован критерий регулярности, на втором - минимума смещения. В качестве критерия регулярности привлечена относительная среднеквадратическая ошибка:

(8)

где qi и qi* - полученное по модели и действительное значение выходной величины в i-той точке;

NB - число точек проверочной последовательности.

В исследованиях, посвященных прогнозу или восстановлению тех или иных метеорологических полей, до настоящего времени незаслуженно редко используются индуктивные методы математического моделирования, основанные на принципе самоорганизации моделей по внешним критериям. Классический регрессионный анализ использует для построения единственной модели одну выборку, а вторая только констатирует снижение качества при проверке на независимом материале. Применение МГУА к метеорологическим данным с целью получения прогностических методов должно дать более надежный результат, чем регрессионный подход. Потенциальные предикторы должны отражать физическую связь с исследуемым объектом и их значения должны быть известны к началу оперативных расчетов прогнозов.

В настоящее время на достаточно высоком уровне по динамическим уравнениям прогнозируются поля приземного давления, геопотенциала изобарической поверхности АТ-500 и температуры воздуха на уровне изобарической поверхности АТ-850 на 1-5 сут. Именно эти параметры и их производные в различных формах привлекаются в качестве признаков в физико-статистических схемах.

Базовый архив предиктантов в нашем случае представляет фактические значения дефицита точки росы и расчетного дефицита упругости насыщения водяного пара (по Тmax, Тd за 06 ч, Тd за 09 ч) за пятилетний период с 2001 по 2005 гг. За этот же период используются синхронные по времени данные P0, H500, T850 и их суточные тенденции в 18 узлах широтно-долготной сетки 2,5°*2,5°, соответствующих территории Новосибирской области. Данные для исходной последовательности взяты из объективных анализов Европейского центра среднесрочных прогнозов погоды (ЕЦСПП - Рединг) за 00 и 12 ч ВСВ.

Ранг информативности предикторов меняется преимущественно в зависимости от сезона года и типа синоптического процесса. Для учета сезонных особенностей в режиме атмосферной циркуляции и изменений температуры и влажности воздуха обучающие и контрольные выборки построены по трем периодам: апрель-май, июнь-июль-август, сентябрь-октябрь.

На первом шаге генерируются все возможные матрицы (NxM) трех аргументов(M) по всем событиям (N) для данного ряда селекции. Выборка N делится на две части: N1 - обучающая и N2 - контрольная. При этом случаи в N1 и N2 повременно чередуются из общей выборки и N2=N/2 или N2=N/3 в зависимости от типа критерия. По обучающей выборке N1 производится комбинаторный перебор всех частных описаний для данной тройки аргументов (таблица 3).

Таблица 3. Типы частных описаний

Отбор частных описаний производится по заданному критерию, рассчитанному по контрольной выборке N2. В нашем случае на первом ряду селекции в качестве критерия использована минимальная относительная среднеквадратичная ошибка (8). По результатам первого ряда отбиралось десять лучших решений. С использованием совместно критерия регулярности (8) и оценки смещения (7) выбрано лучшее решение на втором ряду селекции. Как показали эксперименты, для поставленной задачи достаточно одного - двух рядов селекции, поскольку дальнейшая минимизация ошибки либо не происходит, либо не превышает допустимую точность самих аргументов.

Таким образом, для каждой станции Новосибирской области в каждом выделенном периоде определены уравнения восстановления дефицита точки росы и дефицита упругости водяного пара по данным термобарических полей. Подставляя вместо фактических прогностические значения базовых параметров с разной заблаговременностью, получаем прогноз искомых метеорологических величин. Такой подход, называемый РР (Perfect Prognose), широко используется в прогностических схемах, основанных на интерпретации гидродинамической продукции. Поскольку наиболее надежную гидродинамическую продукцию на сроки до семи суток выпускает ЕЦСПП, прогностические поля приземного давления, геопотенциала на АТ-500 и температуры воздуха на АТ-850 использованы в качестве основных компонент базовой матрицы.

2.3 Окончательная схема прогноза

Ежедневно в оперативном автоматическом режиме из базовой метеорологической сети производятся выборки:

- прогнозов полей Н500, P0, T850 и температуры воздуха у поверхности Земли в коде GRIB на сроки 12-60 ч из центра Экзетер;

- прогнозов полей Н500, P0, T850 в коде GRIB на сроки 48-144 ч из центра Рединг;

- фактических значений температуры воздуха и температуры точки росы за сроки 06 и 09 ч ВСВ предыдущих суток на 30 станциях Новосибирской области;

- фактических сумм осадков на станциях за предыдущий день (12 ч) и исходную ночь (00ч).

По локальной сети ЗапСибРВЦ поступают данные прогнозов максимальной температуры воздуха и количества осадков по 30 станциям Новосибирской области на 1-5 сут, полученные по физико-статистическим схемам СибНИГМИ.

На следующих этапах функционирования прогностической схемы определения классов ПО производится:

- контроль и возможное восстановление ошибочных или отсутствующих данных;

- расчет исходных значений дефицита точки росы и дефицита упругости насыщения водяного пара;

- расчет суточных тенденций геопотенциала и давления у поверхности Земли в узлах сетки над территорией Новосибирской области по данным гидродинамических моделей атмосферы и заполнение исходной матрицы переменных;

- расчет прогнозов дефицита точки росы и дефицита упругости по уравнениям МГУА для каждой станции;

- вычисление суммарного показателя Нестерова по двум вариантам с учетом осадков и перевод его в выходные спрогнозированные классы ПО;

- запись полученных прогнозов классов ПО в файлы для отображения результатов в АИС «Лесные пожары» и для дальнейшей оценки качества прогнозов.

3. Результаты авторских испытаний прогнозов классов пожарной опасности

Прежде, чем оценить прогнозы классов ПО, были получены отдельно прогностические расчеты дефицитов точки росы и дефицитов упругости насыщения по станциям области. Эксперименты показали, что относительные ошибки восстановления дефицита упругости насыщения по коэффициентам МГУА и восстановления дефицита точки росы на независимом материале одного уровня (в пределах 0,7-1,8). Значения ошибок имеют слабые вариации в зависимости от заблаговременности, что подтверждает устойчивость полученных уравнений. Наблюдается пространственная изменчивость ошибок: худшие прогнозы на юго-востоке Новосибирской области, лучшие на севере.

Прогнозы классов пожарной опасности на основе разработанного метода (стандартного КПОН и модифицированного КПОНМ) составлялись в период с мая по октябрь месяцы 2006 г. (кроме августа). Оценка прогнозов осуществлялась по каждому месяцу отдельно согласно указаниям /7/. При совпадении прогностического и фактического классов ПО оправдываемость равна 100%, при различии на единицу - 50%, в остальных случаях -0%. Общие оправдываемости прогнозов рассчитаны для каждой станции Новосибирской области и для каждой заблаговременности прогнозов.

В таблице 4 приведены средние по территории области оправдываемости по двум вариантам прогнозов. Из данных таблицы видно, что качество прогнозов ПО на первые сутки по двум вариантам метода практически одинаково. Начиная со вторых суток имеет преимущество подход с использованием модифицированного индекса. Указанное обстоятельство обусловлено тем, что раздельное определение прогнозов температуры воздуха и дефицита точки росы при расчете по формуле Нестерова умножает ошибки. Большие погрешности прогнозов классов ПО на основе модифицированного индекса, отмеченные в октябре месяце, связаны с различием учета влажности в ситуациях с переходом температуры воздуха через ноль градусов при фактической оценке степени пожарной опасности.

В целом можно заключить, что определение коэффициентов прогностических уравнений по МГУА дает достаточно устойчивый результат и применимо для прогностических целей с заблаговременностью до пяти суток.

Таблица 4. Средние оправдываемости прогнозов классов ПО на территории Новосибирской области в отдельные месяцы 2006 г.