（计算机应用技术专业论文）案例推理方法（专家系统）在气象方面的应用研究.pdf

案锣! | 推理方法( 专家系统) 在气象方厩的应用研究 摘要 近几十年来，天气预报事、韭飞速发展，人们对天气预报的研究也越来越深入。 ? 由此天气该报的准确性程度得到大揠度提高。毽是，天气预报的准礁性仍然巧i 能 满足当今各方顽的要求。因此，天气预报碘究人员一蹙都在努力研发能进1 步提 高天气预报准确性的方法或系统，以解决人们的迫切需求。 本文在介绍基于模型、案例的推理方法基础上，结合智能体和分布式技术， 提出将模型推理方法( m o d e l b a s e dr e a s o n i n gm b r ) 和案例推理方法( c a s e b a s e d r e a s o n i n g ：c b r ) 用于天气预报研究，探索提高天气预报准确性的新方法。 本文藩先介绍了基于规嗣、模型、案例的推理方法，想结了案铡推理方法的 优缺点，详细介绍了其系统维构、求鳃方法和步骤，以及铿能体技术。睫届，针 对研究对象系统天气预报系统的特点，探讨了基于模型和案例推理方法着重 是案例推理方法在天气预报系统中的应用。最后，结合智能体和分布式技术，提 出一种基于智能体技术的分布式案例推理方法。运用这种方法，利用i a v a 语毒1 ， 实现了一个新的天气预报系统。 关键词：案铡推理，模型推理，餐能体，天气颓掇，分布式案例稚理系统 r e s e a r c ho nc b rm e t h o du s i n gi nw e a t h e r a b s t r a c t t h e a s t f e wd e c a d e sw i t n e s st h ed e v e l o p m e n to fw e a t h e rf o r e c a s t ，a n dt h e r e s e a r c ht o w a r di tg e t sag r e a ts t e pf o r w a r d t h e r e f o r e ，t h ev e r a c i t yo fw e a t h e r f o r e c a s th a sb e e nh e i g h t e n e de n o r m o u s l y b u t ，n o w a d a y si th a sn o ts a t i s f i e dt h e p e o p l e sr e q u i r e m e n t s f o rt h i sp u r p o s e ，t h ew e a t h e rf o r e c a s tp u r s u e r sw a n tt of i n d an e wm e t h o dw h i c hc a ni m p r o v ef u r t h e rt h ev e r a c i t yo fw e a t h e rf o r e c a s t o nt h eb a s i so fi n t r o d u c e dm e t h o d o l o g yr e s e a r c h ，t h i st h e s i si n t r o d u c e st w o n e wm e t h o d ，m o d e l b a s e dr e a s o n i n ga n dc a s e b a s e dr e a s o n i n g ，m b ra n dc b r ， t ow e a t h e rf o r e c a s tr e s e a h e s ，w h i c ha r ef e a t u r e db ya g e n tt e c h n o l o g ya n d d i s t r i b u t e dt e c h n o l o g y t h i sa p p r o a c hb e g i n san e ww a yt oi m p r o v et h ev e r a c i t yo f w e a t h e rf o r e c a s t t h et h e s i sf i r s t l yi n t r o d u c et h er e a s o n i n gp r o c e s so fr b r ，m b ra n dc b r ， s u m m a r i z et h ea d v a n t a g ea n dd i s a d v a n t a g eo ft h ec b rm e t h o d ，d i s c u s st h e s y s t e mc o n f i g u r a t i o n ，t h es o l u t i o na n dt h ea p p r o a c ho fc b r ，a n dt h ea g e n t t e c h n o l o g y t h es e c o n dp a r tf o c u s e so nh o wt oa p p l ym b rm e t h o da n dc b r m e t h o de s p e c i a l l yt h ec b rm e t h o dt ow e a t h e rf o r e c a s ts y s t e ma i m i n ga tt h e i r u n i q u ef e a t u r e s a tt h ee n do ft h i st h e s i s ，a na g e n t b a s e dd i s t r i b u t e dc b rm e t h o d i sp r e s e n t e de x t e n d i n gt h ea g e n tt e c h n o l o g ya n dt h ed i s t r i b u t e dt e c h n o l o g y u s i n g j a v a o nt h eb a s i so ft h i sm e t h o d ，an e ww e a t h e rf o r e c a s ts y s t e mh a sb e e n a c h i e v e d l i f e n gs h e n ( c o m p u t e r ) d i r e c t e db ya n j u ns o n g k e y w o r d ：c a s e 。b a s e dr e a s o n i n g ，c b r ；m o d e l - b a s e dr e a s o n i n g ，m b r ；a g e n t ； w e a t h e rf o r e c a s t ；d i s t r i b u t e dc a s e b a s e ds y s t e m 、 论文独创性声明 本论央是我个人在导师指导一f 进行的研究工作及取得的研究成果。 论文中除了特别加以标注和致谢的地方外，不包含其他人或其他机构已 经发表或撰写过的研究戒果。其他同志对本研究的启发和所做的贡献均 琶在论文中做了明确的袁明并表示了谢意。 作者签名： 单塑埠 论文使用授权声嚷 日期：盏竺：垒：i 三 本人阖意上海海事大学有关保留、使用学位论文的规定，邸：学校 有权保留送交论文复印件，允许论文被查阅和借阅；学校可以上网公布 论文的全文或部分内容，可以采用影印，缩印或其他复制手段保存论文。 保密的论文在解密后遵守此规定。 作者签名：1 丝塑生蠡导师签名：日期： 1 绪论 1 1 研究背景 目前在国内，基于案例推理方法( c b r ) 研究还处于简单的应用阶段，专门的 c b r 文献很少。然而纵观国外的c b r 研究的研究成果，c b r 能够克服基于模型或 基于规则推理系统的一些缺点，在企业管理决策、法律案例分析、系统规划与设计 等很多方面具有巨大的实用价值和广阔应用前景。 基于案例推理是目前逐渐兴起的一种人工智能方法学，由于它具有获取知识方 便、容易理解、启发思维等优点，比传统的基于规则推理系统为中心的专家系统有 更强的适用性。利用基于案例推理方法进行天气预测，通过对问题的半结构化描述， 避免了结构化描述天气问题的不完整；从方法上避免了仅考虑问题线性特征的局限 性。 智能体理论与技术的研究最早源于分布式人工智能( d i s t r i b u t e da r t i f i c i a l i n t e l l i g e n c e ，d a io 但从2 0 世纪8 0 年代末开始，智能体理论和技术的研究从分布 式人工智能领域中拓展开来，并与许多其它领域技术相互借鉴和融合，得到了更为 广泛的应用。智能体技术作为一种设计和开发软件系统的新方法，已经得到了学术 界和企业界的广泛关注，是计算机科学和人工只能领域中重要的研究内容之一。目 前，关于智能体理论和应用研究取得了较大进展，应用领域包括：并行系统、机器 人、用户接口技术( 含自然语言理解和对话理解) 、网络安全、数据通讯、机器学习( 包 括数据库中知识发现) 、网络管理、搜索引擎和网页信息提取等等。 1 2 研究目的和意义 本文目的在于将案例推理方法应用到气象领域的一个方面一天气预报，建立一 个基于案例推理天气预报模型及其软件原形系统，利用过去的天气状况，对今后的 天气状况进行预报。 此外，案例推理方法和智能体技术都是人工智能领域新崛起的技术，发展迅速 并且有很好的发展前景，但是将二者结合起来研究却很少有人问津。本文的论题为 “案例推理方法( 专家系统) 在气象方面的应用研究”，目的就是将案例推理方法 与智能体技术结合起来，运用软件智能体理论及其结构模型构建软件体模型并进行 功能模块设计，在建立分布式案例库的基础之上实现案例推理方法。 1 3 研究的内容和结构 本文研究内容分为： ( 1 ) 研究基于案例的推理方法。 ( 2 ) 运用案例推理方法对天气预报系统进行分析、概念建模以及程序实现、预 测。 ( 3 ) 案例推理方法在气象天气预报的应用研究 2 基于案例的推理方法以及智能体技术 2 1 基于案例推理方法简介 案例推理( c a s e b a s e dr e a s o n i n g ：c b r ) 方法作为人工智能领域新崛起的一项 重要的推理技术，由耶鲁大学的r o g e rs e h a n k 教授于2 0 世纪7 0 年代末提出 8 1 。c b r 方法是一种相似类比解决问题的方法，利用以往的经验和知识，将已有实例的解决 方案加以调整和修改，用于解决当前问题。 案例推理是 一种通过回忆推理的方法。 l e a k e ，1 9 9 6 案例推理者调整就问题的解决方法，从而解决新的问题。 r i e s b e e k & s c h a n k ，1 9 8 9 案例推理是人们利用已有的案例解决问题的途径，同样也适用于机器的一种方 法。 a a m o d t & p l a z a ，1 9 9 4 案例推理是一种模仿人类推理和思考过程的方法论，也是一种构建智能计算机 系统的方法论。 尽管专家学者们对案例推理方法的定义和思考各有不同，但是核心都是一致的 案例推理是一种利用以往经验来解决当前问题的方法”1 。 2 2 案例推理方法的优缺点【1 1 案例推理方法在近年来得到广泛应用，是因为方法本身存在很多优点。 ( 1 ) 适用领域：能有效解决未完成形式化领域( 弱理论领域) ；信息不完全领 域；经验知识占据主导地位的领域。 ( 2 ) 求解问题能力：利用类比相似求解能利用经验有效解决问题；能够处理 不确定信息；易于解释和验证结果。 ( 3 ) 对知识的利用：知识获取相对容易：只是重用度高；学习能力强。 案例推理也存在不足之处，主要表现如下： ( 1 )只能为待解决的问题提供建议解，不能回答“为什么”的问题。 ( 2 )偏爱历史数据，不能以进化的观点解决问题。 ( 3 )难以处理动态领域问题。 2 3 基于案例的推理机制5 】 推理机制是知识系统中的重要组成部分，目前知识系统中的推理机制主要有三 种： 2 3 1 基于规则的推理机制( r u l e b a s e dr e a s o n i n g ；r b r ) 基于规则的推理也就是基于领域专家知识和经验的推理，它将专家的知识和经 验抽象为若干推理过程中的形如下式的规则。 | f a n d a n d m t h e n 或 或 m 或 它是专家系统中目前普遍采用的推理模式，许多知识系统的开发工具也都采用 这种推理机制，它的优点是比较直观，对推理过程易于理解，同时推理的效率也比 较高。但是r b r 的专家知识和经验的获得比较困难，特别是对于比较复杂且规则的 条件多解的系统，欲比较全面的收集领域专家知识和经验，困难更大。因此r b r 这 种推理机制主要适用于系统不太复杂、领域专家的知识和经验比较容易收集的中小 型知识系统。目前我国大部分人工智能，特别是专家系统等有关方面的书籍、文献 及所建立的人工智能系统，所采用的大都是r b r 推理机制。 0 ， 、 本研究中在关于软件体中天气状况的输入与输出之间关系问题上就是采用的这 种推理机制。如天气状况( w e a t h e rs t a t u s ) 的取值( 晴天、少云、多云、阴天) 就是 根据云层高度( c l o u dc e i l i n gh i g h ) 与能见度( v i s i b i l i t y ) 来推断的；降水量级 ( p r e c i p i t a t i o n l e v e l ) 是根据降水量( p r e c i p i t a t i o nr a i n ) 与云层高度( c l o u dc e i l i n g h i g h ) 和能见度( v i s i b i l i t y ) 共同推断的。推断过程如下所示： i f ( ( ( c l o u dc e i l i n gh i g h 2 0 0 0 ) & & ( v i s i b i l i t y = 2 0 0 0 ) & & ( v i s i b i l i t y = 0 4 & v i s i b i l i t y = 0 6 & & v i s i b i l i t y = 2 0 0 0 ) & & ( v i s i b i l i t y = o8 ) ) ) ( w e a t h e rs t a t u s = ”阴天”； i f ( p r e c i p i t a t i o nl e v e l 0 5 ) p r e c i p i t a t i o nr a i n = ”无雨”； e l s ei f ( p r e c i p i t a t i o nl e v e l 1 5 ) p r e c i p i t a t i o nr a i n = 叫、雨”； e l s ei f ( p r e c i p i t a t i o nl e v e l 2 5 ) p r e c i p i t a t i o nr a i n = ”中雨”； e l s ei f ( p r e c i p i t a t i o nl e v e l 3 5 ) p r e c i p i t a t i o nr a i n = ”大雨”； e l s e p r e c i p i t a t i o nr a i n = ”暴雨”；， 风力( w i n dp o w e r ) 是由风速( w i n ds p e e d ) 推断的。推断过程如下所示： i f ( w i n dp o w e r o2 ) w i n ds p e e d = ”0 - 1 级”： e l s ei f ( w i n dp o w e r 54 )w i n ds p e e d = ”2 - 3 级”； e l s ei f ( w i n dp o w e r 1 0 7 ) w i n ds p e e d = ”4 - 5 级”； e l s ei f ( w i n dp o w e r 1 7 1 ) w i n ds p e e d = ”6 - 7 级”； e l s ei f ( w i n dp o w e r 2 4 4 )w i n ds p e e d = ”8 - 9 级”： e l s e w i n ds p e e d = ”1 0 级以上大风”： 2 3 2 基于模型的推理机制( m o d e l b a s e dr e a s o n i n g ：m b r ) 基于模型的推理机制m b r ( 有的文献称为m e m o r y b a s e dr e a s o n i n g ) 是利用作 为待解决问题的系统结构或组成要素等的特性、原理或原则，建立一数学模型，然 后再利用这一数学模型结合问题的条件，对系统做出推理、判断，以达到解决系统 的目的。专家系统中专家知识的语义网络( s e m a n t i cn e t w o r k ) 表示法就是一种模型 表示法。 显然，并非所有的系统都适合采用m b r ，有些复杂的系统根本无法建立起相应 的数学模型，因此m b r 的应用受到了一定的限制。 本研究中天气预报的一种方法可以说是采用的这种推理机制。在后续章节中有 比较详细的说明。 2 3 3 基于案例的推理机制( c a s e b a s e dr e a s o n i n g ；c b r ) 鉴于r b r 和m b r 在应用过程中所遇到的一些困难，特别是在复杂系统中所遇 到的困难，迫切需求寻找一种新的推理机制。同时在显示系统中有一些复杂大系统， 在这类系统中有许多分形系统，每一个分形系统通过几十年的发展，产生了许多适 合于不同条件的固定模式，并且在现实工作中往往根据所给定问题的条件对某些模 式稍加修改就可得到问题的解，同时对于不同的模式都有许多成功的案例，这案例 是进行系统推理的重要基础，但若将这些案例中的专家知识和经验抽出作为系统推 理的基础有时是非常困难的，甚至是不可能的，而将这些案例( 环境和模式的组合 体) 作为推理的基础，反而会使问题变得更加简捷。由此便产生了c b r 推理机制， 所谓c b r 推理机制就是直接利用与所给出问题相似的过去的成功实例或失败实例来 推理出所求问题的解。 c b r 的基本原理是根据过去的成功的或失败的案例来推导出所求问题的解，一 般情况下它的系统结构与求解方法和步骤如图2 一l 所示。 图2 - i 基于案例推理的一般结构 ( 1 ) 案例库( c a s e b a s e ) 案例库是用来存储过去的案例的存储空间，在这些案例中不仅有成功的案例， 而且还包含失败的案例。每一种案例都以一定的存储方式放在案例库中，并且这种 存储方式必须包含案例的主要因素、环境条件及案例的基本特征与主要参数值。但 是案例的表现形式没有统一的格式与方法，它主要根据问题的类型来具体分析确定。 ( 2 ) 问题分析器( p r o b l e ma n a l y z e r ) 它主要根据案例的表现形式，对所给出的问题进行分析，这种分析需要计算出 所求问题的特征参数，如某一特征的综合评判指标等。同时在对问题进行分析的过 程中，还需要进行一些数值及一些局部推理。总之，问题分析器的主要目的是建立 一种能够在案例库中寻求条件类似案例( 成功案例或失败案例) 的指标体系，并计 算这些指标的值。 ( 3 ) 案例检索器( c a s er e t r i e v e r ) 案例检索器是在问题分析器和案例之间的一种连接系统，它通过问题分析器中 对所给出问题的分析而得到的寻求条件类似案例的指标体系中的值标志，从案例库 中检索出一个或几个与所给出问题最相似的案例作为所给出问题的可行解。 ( 4 ) 案例调整器( c a s em o d i f i e r ) 若通过案例检索器检索到的案例是成功的案例，那么它就是所求问题的最优解 ( 或理想解) 的概率是比较小的，必须对这一案例根据所给出的问题的条件进行调 整，这种调整是在成功案例的基础上进行的细节方面的调整，同时这种调整也并非 说明原案例不适应这一条件，而是一种因政策或技术导向引起的差异。 ( 5 ) 案例修复器( c a s er e p a i r e r ) 由于案例库中所包含的案例既有成功的案例又有失败的案例，如果所检索的案 例是失败的案例，就需要根据其它的领域知识对其进行修复，在修复过程中，首先 要分析出失败的原因，同时参照失败的原因更改问题的特征参数及相应的规则，根 据这些规则和所求问题的条件修改原来的案例，如果这一案例是成功的就将其作为 问题的解，若这一案例仍是失败的则需重新对案例库进行检索。 案例修复器与案例调整器的区别除了案例调整器是对成功的案例根据所给问题 的条件进行调整，而案例修复器是对过去的失败的案例进行修复以外，案例修复器 在对失败的案例进行修复的过程中原来的案例发生了变化，而案例调整器对成功的 案例进行调整时，并没有改变原来案例的性质及特征参数，而是根据原来的案 例结合所给问题的条件调整出一新的案例，也就是说相对于案例库来讲，按理修复 器没有增加案例的数目，而案例调整器除了原来的案例外又增加了一个新的案例。 ( 6 ) 案例学习器( c a s es t u d i e r ) 案例学习器是扩充和更新案例库的一种手段，也是确保所建立的c b r 系统长期 有效、可靠的应用的重要条件，它把根据所给出问题的条件通过案例调整器或案例 修复器而得到的成功地或失败的案例进行加工，然后存入案例库中，它与r b r 推理 机制的知识库学习机制具有类似的功能和性质，在学习器中不但要对成功的案例进 行学习，对失败的案例通过案例修复器修复以后，在学习过程中一般可以把原来的 案例从知识库中去掉。r b r 中的学习机制国内外已进行了大量的研究，而c b r 中的 案例学习器目前却没有进行较为细致的研究，是一个需要进行大量研究工作的重要 课题。 本研究中天气预报的另一种方法可以说是采用的这种推理机制。在后续章节中 有比较详细的说明。 2 4 智能体技术【1 4 i h e w i t t 指出：什么是智能体对于基于智能体的计算来说是个尴尬的问题，就像 人工智能主流研究中什么是智能这个问题一样。因为虽然智能体这个词被广泛的使 用在相关领域中，却很难找到一个大家都能接受的定义。一般认为，智能体是一种 处于一定环境下包装的计算机系统，为了实现设计目的，它能在那种环境下灵活地、 自主地活动。 几乎所有被称为智能体的软件或硬件系统都具有以下的特征： 自治性( a u t o n o m y ) ：智能体运行时不直接由人或其他东西控制，它对它们自己 的行为和内部状态有一定的控制权。 社会能力( s o c i a la b i l i t y ) 或称为可通信性( c o m m u n i c a b i l i t y ) ：智能体能够通过 某种智能体通信语言( a g e n tc o m m u n i c a t i o nl a n g u a g e ) 与其他智能体进行信息交换。 反映能力( r e a c t i v i t y ) ：即对环境的感知和影响。无论智能体生存在现实的世界 中( 如机器人、i n t e m e t 上的通讯智能体、用户界面智能体等) 还是虚拟的世界中( 如 虚拟商场中的智能体、交互式游戏中的智能体等) ，它们都应该可以感知它们所处的 环境，并通过行为改变环境。一个不能对环境做出影响的物体不能被称为智能体。 自发行为( p r o a c t i v e n e s s ) ：传统的应用程序是被动地由用户来运行的而且机械 地完成用户的指令；而智能体的行为应该是主动的，或者说自发的。智能体感知周 围环境的变化，并做出基于目标的行为( g o a l d i r e c t e db e h a v i o r ) 。 在这种定义下，最简单的智能体就是具有上述特性的一个计算机进程，这个进 程可以简单到只是个具有某种智能的子程序；能够与别的智能体交换消息。智能体 弱概念使智能体不仅仅只应用人工智能领域，而且广泛地应用在诸如入机界面、通 信、软件工程、搜索引擎等。因此很多计算机软件都可以纳入智能体的范畴里来， 例如处理i n t e m e t 事物，帮助用户处理e m a i l 的助理智能体等。 m a r v i n m i n s k y 从多智能体系统的社会智能的角度给出智能体的一个定义：“这些 进程我们称之为智能体，每个智能体本身只会做一些简单的事情，但当我们用特定 方法将这些智能体组成一个智能体群( s o c i e t y ) 时，就产生了真正的智能”。 图2 2 与图2 3 分别为a g e n t 的基本模型、a g e n t 的心智与决策模型。 、 环 ，l事件检测模块l i _ 一 八 境 士 通 一 其它 襄) _ 感 心智与决策推理模块 信 a g e n t 知 模 模 j 块 块 执行模块 图2 - 2 a g e n t 的基本模型 i心智更新模块 i 一 事 j r 一土 土，j 一 件 能 回目圈 执 行 模 检 厂丁丁r任 块 测 模 块 推理、规划、决策模块卜 务 由卑。皇兰 圈2 3a g e n t 的心智与决策的推理模型 0 3 案例推理在天气预报中的应用 3 1 天气预报的方法 设用作预报的因子有：可得到数据如云层高度( c ) 、能见度( v ) 、露点温度( t ) 、 风向( d ) 、风速( s ) 、湿度( h ) 、大气压( p ) ：可推算数据如天气状况( w s ) 、降 水量级( p l ) 、风力( w p ) 、风向( w d ) 、湿度( h u ) 。按时间顺序把他们排列为： 把预报因子记为x = ( x 。，x 。，x 。，x 。) ，预报对象记为 y = ( y o , y ，y 。，y l + 1 ) ，l = ( 1 , 2 ，l ，预报时效) 。现在的问题是，根据t 时刻以前 的数据来推断t + 1 时刻的y 值，显然问题归结为对象x 和y 随时间变化进行分析，寻 找函数关系。 y = f ( x ，y )，= ( 1 , 2 ，l ) 3 一l 运用过去和现在数据作为未来天气预报的方法，依其历史发展阶段和固有特征 分为三类： 第一类是经验性推断，即对前期征兆通过分析获得一些经验性规则，实际使用 时主观地运用这些规则进行判断，例如看天象、物象用天气谚语作预报就属于这一 类。 “ “ “ “ “ “ “ 川 川 川 qk珥乳以气哪儿胛肋册q_一ee只孵儿胛附删q_e文峨只孵儿即肋删 已c雪乳m r胁胁胁胁肌 第二类是资料图表法，以点聚团、要素曲线图、综合时间剖面团等图表为主要 工具，寻找要素变化的特征，如峰、谷、交叉点、变率周期性等，由此建立针对不 同天气的预报模式和指标，所以也称为模式指标法。 第三类是定量计算法，凭借不同的数学模型，对大量资料进行数字处理，通过 计算建立适合于不同预报项目的公式和判据，以此来预报未来天气。 这三类方法表示了由经验、定性到定量的发展过程，但其共同特点都是对表征 前期征兆的历史数据进行统计分析以获得定性或定量的规则( 或公式) ，由此来推断天 气的未来。 如果有了现在大气状态的观测值x ，将它与历史上出现过的大气状态的观测记 录x 。，x ：，a ，z 相比较，寻找一个比较相象的状态x 。，又假定状态z 。以后的发展 与现在大气状态的以后发展亦相似，即有x 。+ ，工。，丁为预报时效，即认为过去 占+ t 的天气事件在将来t + t 重复出现，这是气象预报中的相似分析的基本思路。这 就提出了两个问题，即用什么量来表征两个状态的相似以及这个量达到什么标准爿 算两个状态是相似的。 相似分析之所以在气象中得到广泛的应用，首先是它的直观性。例如1 9 8 1 年2 月2 2 日至2 7 日，我国受到强寒流的侵袭，长江流域以北大部地区出现5 7 级偏北 风，气温下降了9 1 5 度。江南、华南大部地区也有4 - 6 级偏北风，华南日平均气温 降到6 - 8 度。如某地在这次强寒潮中出现了最低气温的历史极值，那么当人们去作 随后的预报例如1 9 8 1 年的汛期天气预报时，自然就会想到历史上出现2 月下旬受强 寒潮袭击的年份，随后的天气情况是怎样的。这样利用前期的相似就会给后期天气 提供一个生动的写照，为预报构筑一个粗框。 其次，相似预报可以考虑某些极端值的出现。用通常的概率统计方法如回归、 判别分析、时序分析，由于受到协方差矩阵的影响，预报值往往偏向均值，极值不 易报出。相似预报因为参照的是历史上出现的逐个样品，人们会考虑那些相似个例 的极值状态在将来出现的可能性。 第三，相似预报是一种非线性预报，因为外推是由大气本身规律来做的，它包 含大气本身的所有非线性交化。 对大量实际资料研究表明，相同型类的天气形势确实有重复出现的倾向，这就 为相似方法的使用提供了事实基础。所以，在气象中，相似分析是用得相当广泛的。 不但主观预报，经常用相似来作为思考问题的方法，在客观预报中也取得了相当好 的效果。 当然，也因相似法原理简单，以致被人滥用，而也有效果很差的情况，在目估 计相似预报时更易因主观判断有误而报错 1 3 l 。 相似分析也有其不可克服的基本矛盾，即实际大气中，很难找到好的相似。 1 相似分析的数学含义 由于表征大气状态的物理量有温度、气压、降水等，即这时有 x = ( x 。，z ：，ax 。) ，因此寻找两个状态的相似，必然是多个变元之间的相似。但在 某些情况下，如观测记录只有一个变量，或者为了简化，也采用一无变量。这时如 果仅凭一个时刻的观测值x ，去到历史记录中找相似，即两个数值之间的相似，其可 靠性甚差。为了弥补这一缺陷，对一元变量，就寻找一段时间即若干个观测值的相 似，即 x o j 一，( f = 1 , 2 ，人，kk n ) 通常经验地取k 1 0 。虽然这时从物理量而言是一元的，但从数学上讲仍是多 元的，即两个向量之间的相似。在气象中称为过程相似或演变相似。 当取多个变量时，若仅寻找现在时刻与历史上某一时刻的相似，即 x ，x d( x = ( x l ，x 2 ，人x 。) 。) 这仍为两个向量之间的相似。 如果对多元情形也取一段时间的相似，这时问题就变为两个矩阵间的相似了， 即有 x 。x ( i = 1 , 2 ，a ，kk n ) 大气状态的演变可用”维相空间中的一个点的移动所构成的轨迹来表示，因此 相似预报问题就归结为，已知相似空间中的最新点位置及其由来的一段轨迹，人们 能否根据己知的过去的全部轨迹成功地报出它的未来位置。 2 相似表征量 严格地说，两个大气状态的相似是三维空间中的多个物理量之间的相似，要用一个 指标来表征这样两个物理图像之间的相似是困难的。可以说，到目前为止还没有一 个令人满意的表征相似的量。目前常用的有距离、相关系数、夹角余弦，还有模糊 数学中的贴近度等。 由上述内容，我们得到天气预报的基本思路是：根据近期的天气状况，分析天 气状况各因素的相似指标，找出相似案例对未来的天气进行预报。 首先，明确近期天气状况。 第二，选择天气状况各属性相似性指标。 第三，利用案例推理的方法，对天气预报系统进行分析和判断，得到未来天气 的预报值。这是我们工作的重点，也是基于案例的天气预报方法区别于其他天气预 报方法的根本所在。 下面详细介绍了基于案例推理方法的天气预报全过程，重点介绍了过程中关键 技术的实现。 3 2 基于案例推理的天气预报流程 结合基于案例推理的方法，我们设计天气预报过程如下： ( 1 ) 建立一个天气状况案例库。我们所建案例库为一个特定地区连续几年某个 特定月份的天气状况，有九个具体属性，分别是时间、云层高度、能见度、露点温 度、风向、风力、降水量级、湿度、大气压，作为天气预报推理的基础。 ( 2 ) 输入近期( 我们选取近三天) 的天气状况，将其转化为天气状况案例的形 式。 ( 3 ) 对近期的天气状况案例和案例库中所有案例进行数据预处理，统一数据区 问为 0 ，1 。 ( 4 ) 检索案例库，找到与当前案例的相似案例，得到最优案例。 ( 5 ) 根据最优案例查找案例库得到最优解。 3 3 案例库的建立 案例库的建立是实现案例推理的基础和前提。用案例推理方法进行天气预报，首先 必须建立一个案例库。 建立案例库需要考虑以下方面的内容： ( 3 ) 案例样本的选取； ( 4 ) 如何用领域知识描述天气状况； ( 5 ) 如何用知识表示的方法描述天气状况，使之转化为天气案例； ( 6 ) 如何存储案例库。 3 3 1 选取案例库样本 天气研究与预测一般都是建立在实证分析的基础上，因此样本选择就显得十分 重要。 天气样本的选择要注意两个问题：一是代表性；二是资料的可得性。为了使研 究结果准确、适用，我们选取特定地区的某个月份的天气状况作为样本。 我们建立的案例库中，案例总数为1 2 0 条，记录了上海浦东地区2 0 0 0 2 0 0 3 年6 月份的每天的天气状况。 3 3 2 领域知识描述天气状况描述呻i ( 1 ) 天气状况( w e a t h e rs t a t u s ) 晴天：天空无云，或有零星的云块，但中、低云云量不到天空的1 1 0 ，或高云 云量不到天空的4 1 0 。 少云：天空有l 1 0 3 l o 的中、低云，或有4 1 0 5 1 0 的高云。 多云：天空云量较多，有4 1 0 7 1 0 的中、低云，或有6 l o 8 l o 的高云。 阴天：中、低云云量占天空面积的8 1 0 及以上，或天空虽有云隙但仍有阴暗感。 ( 2 ) 降水量( r a i n f a l l ) 降水量级：为了使大家对降水的大小有一个量的概念，气象部门根据2 4 或1 2 小时累计降雨量的多少，通常把降雨量分为小雨、小一中雨、中一大雨、大雨、大 一暴雨和特大暴雨等九种。 表3 1降水量级与雨量对照表单位( 毫米) 小 小一中雨 中雨 中一大雨 大 雨雨 1 2 4 时 o 1 3 0 9 950 1 0 0 1 5 0 雨量4 91 492 2 92 9 9 2 4 小时 o 1 50 1 00 l70 2 50 雨量9 91 6 92 4 93 7 94 9 9 大一暴雨 暴雨 大暴雨特大暴 巾 1 2 小时雨 2 30 4 9 93 00 6 997 00 1 3 9 91 4 0 量 2 4 小时雨 3 80 7 4 95 0 0 9 991 0 00 2 0 0 量1 9 9 9 ( 3 ) 风向( w i n d d i r e c t i o n ) 与风力( w i n ds p e e d ) 风向：指风的来向，一般用八个方位表示，即：北、西北、西、西南、南、东 南、东、东北。 风力等级的划分：风力等级是根据风对地面( 或海面) 物体的影响程度来定的。 我国天气预报中一般采用1 3 个等级分法，即“蒲福风级”。气象部门又根据风力大 小对地面物体的影响程度作了形象化的表述，用来判断风的等级，常用民歌形式如 表3 2 所示。 阵风：在风力较大时，气象台在风力的预报中，常常加上“阵风”，如风力5 6 级，阵风7 级，或风力7 、8 级，阵风9 级，意思是：一般( 或平均) 风力5 、6 级( 或 7 、8 级) ，最大风力可达7 级( 或9 级) ，“阵风”有短时间或瞬间最大可达的意思。 风向的转变：当未来风向变化达9 0 0 或以上时，在风向预报中般要加“转”字， 如“今天夜间偏南风，明天白天起转偏北风”等。 6 表32风力等级对照表 距地l o 米高海面亍良高 等级处的风速 一般高 最大高陆面地面物征象 ( 米秒)度度 00 0 0 2静，烟直上 烟能表示风向，但风向标不 l 0 3 1 50 10 1 能转动 人面感觉有风，树叶微动， 21 6 3 3o 2o 3 风向标能转动 树叶及树枝摇动不息，旌旗 334 54o 61 o 展开 能吹起地面灰尘和纸张，树 45 5 7 91 01 5 的小枝摇动 有叶的小树摇摆，内陆的水 580 1 0 72 02 5 面有小波 大树枝摇动，电线呼呼有 61 0 8 1 3 83 04 0 声，举伞困难 全树摇动，大树枝弯下来， 71 39 1 7 1405 5 迎风步行感到费劲 可以折毁小树枝，人娅风前 81 7 2 2 075 57 5 行感觉阳力很大 烟囱及屋顶受到埙坏，小屋 92 0 8 2 447 0l o 0 易遭到破坏 陆上少见，见时可把树木刮 1 02 4 5 2 8 49 01 2 5 倒或建筑物损坏较重 陆上少见，见时必有重大毁 1 12 8 5 3 2 61 1 51 6 0 损 1 23 2 7 3 6 9 1 4 o 陆上很少见，其摧毁力较大 1 33 7 0 4 1 4 陆上绝少见，其摧毁力极大 ( 4 ) 气温( t e m p e r a t u r e ) 今天最高气温：指今天白天出现的最高气温。受太阳辐射的影响，最高气温一 般出现在下午2 时左右( 当然不同季节有所区别) 。 明天最低温度：指第二天出现的最低气温，一般出现在清晨6 时左右。但有时 受冷空气影响等原因，最低气温不是出现在明天早晨，而是出现在明天白天。 ( 5 ) 预报注解 人体感觉温度：是人体觉得冷暖的皮肤温度，它不同于预报中的气温。目前专 业气象服务中提供的体感温度指数预报值越高，感觉上越暖和、越热，相反，体感 温度指数值越低，感觉上越冷。体感温度与气温、天空状况、风力风向和空气湿度 有直接关系。 气温：是由观测场中设置在百叶箱内的温度表所测得的温度，不考虑阳光辐射、 下垫面的热传导等外界因素，是纯粹的空气温度。而气象台预报的日最高气温和最 低气温指的也是空气温度。如果用这个温度去指导人们的衣食住行，无疑会产生偏 差，因此必须把天空状况、风力风向、空气湿度等因素考虑进去。 天空状况：阳光足，就会觉得暖和；天一阴，又会觉得凉飕飕的。这个道理谁都知 道，需要提醒您的是，夏季和冬季的阳光是不同的、早晨或傍晚与晌午的阳光也是 不同的。冬天的太阳煦暖而混合，夏季的阳光火热而强烈，因此冬季太阳辐射远不 如夏季明显。与此相似的道理，中午1 1 一1 4 点是太阳高度角最大的时候，也就是老 百姓常说的“日头最足”的时候，而在太阳刚刚升起的早晨，或日已偏西的傍晚， 日光均比较目b ，不是有诗云：“夕阳无限好，只是近黄昏”吗! 如果碰上多云或阴 天，就要对太阳辐射进行负面考虑了，即在原有温度上减去几度。 风力风向：从大量的科学实验中，人们找到了风速大小和人体冷暖感觉的关系： 当气温在0 度以上时，风力每增加2 级，人的寒冷感觉回下降3 至5 度；气温在0 度以下时，风力每增加2 级，人的寒冷感觉会下降6 到8 度。但是，这种换算显然 忽视了风向的作用。一般来说：北风冷、西南风干、东风凉、南风暖。当然，这也 要放到具体的季节中去考虑，如果是数九隆冬，即使是刮南风也会觉得“刮脸”的。 空气湿度：空气是含有水分的。湿度是表示物体潮湿程度的物理量，空气湿度 是表示空气中的水汽含量和潮湿程度的物理量。它对人体感觉温度也有很大的影响， 夏季空气湿度大，就会觉得闷热；冬季空气湿度大，就会觉得阴冷。所以，虽然北 方的冬季比南风要冷得多，但南方得冻疮或被冻伤的人却比北方多得多。目前天气 预报还没有做湿度预报，这就要靠自己的体验了。不过体感指数预报中已经考虑了 这一项。 3 3 3 天气状况的知识表示 将天气状况用领域知识表达完毕后，接下来需要用规范的知识表示方法来描述 天气状况，形成天气案例，以方便以后的案例推理。这个过程称为案例表示。不同 的领域对象系统，有不同的案例表示方法。一般认为，选择合理表达形式的依据有 两个：领域需求和任务需求；以及可获取的案例数据格式。 一个案例由问题的描述、问题的结论、以及解决方案的解释和扩充性说明组成。 分析上一节对天气状况的领域知识描述，我们简化案例如下。“问题描述”部分包 括：时间，云层高度，能见度，露点温度，风向，风力，降水量级，湿度，大气压： “结论”归结为：天气状况，降水量级，风力，风向，湿度。所以，天气状况案例 表示的对象是简化后的“问题”、“结论”。 针对天气预报领域的特点和可获取的信息，为了较为全面的表达一个地区在特定月 份的天气状况，需要选择一种有效的知识表示方式，能分别表现出天气状况的结构 化属性( 定量信息) 和非结构化属性( 定性信息) 。在此，我们提出一种基于框架 的天气状况案例的知识表达方式，如表3 3 所示。 表3 - 3 天气状况案例的框架结构 天气状况案例n 0 x x 时间信息描述 年份、月份、日期、时间 输入天气信息描述 云层高度、能见度、温度、风向、风力、降水量级、人体感觉 中间转换天气信息描述 云层高度、能见度、露