徐 娓 潘维多

广汉机场能见度预报建模

徐 娓 潘维多

利用2011年至2014年逐年12月和1月广汉机场人工观测能见度数据、地面遥测气象数据及常规探空气象资料，采用最小二乘支持向量机回归方法，对广汉机场08时能见度进行24小时、12小时及2小时预报建模。按照民航局空管局航站重要天气预报质量评定办法进行评定，该模型预报准确率分别为：62.71%、73.08%、75%。平均绝对误差分别为：0.62Km、0.49Km、0.52Km。结果表明最小二乘向量机算法在广汉机场能见度的预报应用中有一定效果。

能见度是影响航空飞行安全的主要气象因素之一，机场低能见度严重制约着飞机的起飞和着陆，低能见度造成的视程障碍严重威胁着飞行安全。国内外众多的专家和学者对能见度预报进行了探索和研究。广汉机场地处四川盆地，低能见度有着明显的季节特征，以冬季为最多。且具有明显的日变化，低能见度集中时段多出现在北京时7：00到9：00（以下均为北京时）之间。而这个时段正是广汉机场白天飞行训练正常出场时间，预报该时段的能见度是否能达到飞行气象标准，直接决定着飞行训练是否能按时出场，训练进度是否能正常进行。导致低能见度出现的因素较多，预报难度也较大。如何尽可能提前较准确地预报出该时段的能见度，一直是机场气象预报工作者最为重视的问题之一。当前广汉机场对能见度的预报多限于常规的天气图天气形势分析及物理量场诊断分析，所以具有较大的主观性。近年来越来越多的算法融入到能见度的预报当中，也取得了一定成效。如路爽等使用UPS订正预报方法对沈阳的大雾天气进行预报；李沛等使用神经网络北京地区的能见度逐级分类建模。

最小二乘支持向量机算法（Least Squares Support Vector Machines，简称LS-SVM） 是近年来统计学习理论的重要成果之一，源于1999年SuykensJ.A.K和Vandewalb提出的一种支持向量机变形算法。支持 向量机（Support Vector Machin，简称SVW）最早由Vapnik和Corets于1995年提出，是基于统计学习理论的一种新的通用学习方法，通过核函数实现非线性映射，把样本空间映射到高维特征空间，实现分类和回归。最小二乘支持向量机（LS-SVM）是在标准SVM基础上，通过采用最小二乘价值函数和等式约束得到。具备很强的非线性映射能力且运算简单。 LS-SVM能非常成功地处理具有非线性特征的模式识别和回归估计等诸多问题，在进行小样本、高维数预测方面具有的显著优势，近年来在气象界得到了较好的应用。经实例验证该模型收敛速度快、预测精度高，表明该方法在气象领域具有广阔的应用前景。

本文使用2011年12月、2012和2013年12月及1月及2014年1月共6各月基础探空资料、广汉机场遥测资料及人工观测能见度数据资料，选取常用物理量，使用LS-SVM对广汉机场08时能见度进行24小时、12小时及2小时预报建模并验证。以期对广汉机场能见度预报实际工作提供新的参考。

广汉机场08时能见度分布特征

根据广汉机场能见度标准，将能见度分为几个区间：能见度≤3.5 Km、能见度≤1.6 Km、能见度≤0.8 Km和能见度≤0.05 Km。结合这个区间对广汉机场2009年2月至2014年1月5年08时能见度进行统计：月平均能见度最低值是出现在每年的1月和12月且低于2Km； 1月和12月2个月08时能见度低于3.5 Km、1.6Km、0.8Km、和0.05Km的天数分别占总天数的36.4 %、59.5 %；78.3%和100%。说明广汉机场低能见度主要集中在1月和12月。1月和12月能见度的分布情况为：能见度低于5 Km、3.5 Km、1.6 Km、0. 8 Km和0.05Km的天数分别占2个月总天数的94.7 %、89.7 %、60.4 %、54%和8.3%。

资料的选择、处理及因子的筛选

影响广汉机场冬季低能见度的天气现象多为雾，且主要为辐射雾和辐射平流雾。辐射雾的形成的有利条件为：晴朗的夜间，有强烈的地面有效辐射；近地面水汽含量充沛，有稳定的温度层结；低层有微风和一定强度的湍流。从形成雾的条件出发，选择地面及925HPA、850HPA、700HPA、500HPA共5个层次。地面资料为广汉机场遥测资料。探空站选取距离广汉机场最近的温江站，考虑到天气系统的移动及地形的影响，同时引入汉中站和达州站资料。选取与天气系统及温度、湿度和稳定度有关的物理量及部分计算量：地面气压、最低及最高温度、各等压面位势高度、有关气压差和位势高度差、温江站分别与达州站和汉中站的各等压面位势高度差等；选择与水汽及冷暖平流有关的温度T、露点温度、温度露点差TTD，近地层温度露点差（TTD=（T一TD）S +（ T—Td）925/3+（T—Td）850/4，）、相对湿度、温江站分别与达州站和汉中站的温度差、露点温度差、相对湿度差等；5个层次上的风向、风速、各层次间的风向变量及风速差、各等压面上温江站分别与达州站和汉中站的风向变量及风速差；共计144个量。使用相关因子分析法；选取与能见度相关性较显著的因子。

24小时能见度预报因子筛选

选取相关系数绝对值大于0.27的11个物理量作为08时能见度24小时预报的预报因子：广汉机场能见度；温江站850HPA上风速；850HPA温江站与汉中站的温差；广汉机场地面相对湿度；广汉机场地面温度露点差；温江站上空700HPA和850HPA之间的风向变量；温江站上空700HPA和925HPA之间的相对湿度差；温江站上空700HPA和850HPA之间的风速变量；广汉机场近地层温度露点差；温江站上空700HPA和850HPA之间的相对湿度差；汉中站850HPA上的温度。

12小时能见度预报因子筛选

选取相关系数绝对值大于0.3的14个物理量作为08时能见度12小时预报的预报因子：广汉机场地面温度露点差；广汉机场地面相对湿度；广汉机场能见度；850HPA上温江站与汉中站的温度差；广汉机场地面露点温度；广汉机场地面温度露点差24小时变量；汉中站850HPA上的温度；温江站925HPA上的温度；广汉机场地面相对湿度24小时变量；温江站850HPA上的风速；汉中站925HPA上的温度；温江站700HPA和925HPA之间的相对湿度；温江站500HPA和925HPA之间温度露点差；850HPA上温江站与汉中站之间的高度差。

2小时能见度预报因子筛选

选取相关系数绝对值大于0.3的16个物理量作为08时能见度2小时预报预报因：前一日20时广汉机场地面温度露点差；前一日20时广汉机场地面相对湿度；前一日20时广汉机场能见度；前一日20时850HPA上温江站与汉中站的温度差；前一日20时广汉机场地面露点温度；前一日20时广汉机场地面温度露点差24小时变量；前一日20时汉中站850HPA上的温度；前一日20时温江站925HPA上的温度；06时广汉机场地面相对湿度；06时广汉机场地面温度露点差；前一日20时广汉机场地面相对湿度24小时变量；前一日20时温江站850HPA上的风速；前一日20时汉中站925HPA上的温度；前一日20时温江站700HPA和925HPA之间的相对湿度；前一日20时温江站500HPA和925HPA之间温度露点差；前一日20时850HPA上温江站与汉中站之间的高度差。

模型的建立及验证

建模样本选取2011年12月、2012年1月及12和2013年1月及12月共5个月153天，检验样本选取2014年1月31天。184天中只有6天08时能见度大于5000米，考虑到模型的稳定性，剔除了能见度高于5000米的样本和有物理量缺差的样本。最小二乘支持向量机常用的核函数有多种，根据参考文献选取RBF径向基函数为预报模型核函数，再通过采用交叉验证方法在0.1至1000之间搜索并确定参数和核参数的最佳值。

图1是使用LS-SVM方法所建的模型对训练样本前24小时、前12小时、前2小时的能见度观测值进行回归拟合的结果。可以看出该模型对4000米以上的能见度及500米以下的能见度拟合得不够好，但对500米以上4000米以下的能见度拟合效果较好。前12小时、前2小时的回归拟合效果好于前24小时的拟合效果。

图1　模型拟合图

使用LS-SVM方法所建的模型对检验样本进行预测。图2分别为08时能见度24小时预报模型、12小时预报模型和2小时预报模型所做的预测值和实测值进行的比较。并按照民航局空管局《航站重要天气预报质量评定办法》中能见度的预报质量评定办法计算准确率。其办法为：水平能见度≤P值进行评定。P值可根据机场天气标准选定，广汉机场P值选定为3500米。能见度预报≤700米，能见度实况值≤900米为正确，否则为错：预报能见度＞700米并且预报能见度≤P时，允许的误差范围为±30%。当预报能见度＞P，而实况能见度≤P-P×20%，则评定为不正确；预报能见度＞P，，实况＞ P-P×20%且≤P，则评定为不正确。

根据以上规定对模型准确率进行计算：24小时能见度预报模型预报准确率为17/28=62.71%；12小时能见度预报模型预报准确率19/26=73.08%；2小时预报能见度模型预报准确率为18/24=75%。平均绝对误差分别为：0.62Km、0.49Km和0.52Km。对低于3.5Km的能见度预报准确率略高一些，分别为 69.23%、75%、77.27%。平均绝对误差分别为：0.48Km、 0.41Km和0.38Km.

图2　实况值及模型预测值

误差原因分析

1）广汉机场1月及12月能见度大于3.5KM的日数少，所选样本中只占7%左右，致使较高能见度训练样本过少，造成该模式对较高能见度的预报误差较大。

2）广汉机场能见度资料为人工观测，能见度值较高时由于缺少目标物而使得观测值与实际情况存在偏差，造成较高能见度真值本身有一定误差存在。

3）广汉机场实行13小时观测，6时能见度观测记录不全，所以在2小时预报模式因子选区中没有引入，而6时能见度对8时能见度的预报是一个重要的因子。所以2小时预报较12小时预报准确率提高幅度不大的原因就可能是没有基础能见度即6时能见度的引入。

结语

本文利用探空基础资料、广汉机场遥测资料及人工观测能见度数据资料，选取24小时前、12小时前及2小时前的基本物理量及其部分计算量，筛选出与能见度相关性较好的物理量，尝试使用最小二乘向量机算法分别对广汉机场24小时能见度、12小时能见度及2小时能见度建模。并按照民航局空管局航站重要天气预报质量评定办法中能见度的预报质量评定办法计算准确率。24小时能见度预报模型预报准确率为17/28=62.71%；12小时能见度预报模型预报准确率为19/26=73.08%；2小时预报能见度模型预报准确率为19/25=75%。对低于3.5Km的能见度预报准确率略高一些。表明LS-SVM方法所建的模型对广汉机场能见度有一定预报效果。

本文主要从预报员实际工作快速实用角度出发，只选用了基本物理量及其部分计算量。并尝试加入上游站点资料，将其部分物理量及其与本站部分物理量间差值引入，结果表明850Hpa上汉中站的温度、850Hpa上温江站与汉中站的温度差及高度差与广汉未来能见度都有一定相关性。误差原因分析显示进一步扩展因子、扩大样本，对增强模式的稳定性和预报的准确性将会有积极作用。

徐 娓 潘维多

中国民航飞行学院广汉分院

徐娓（1976-）女，高级工程师，从事航空气象预报工作。

10.3969/j.issn.1001-8972.2015.18.007