委员会机器模型若干问题研究及气象应用

Considering the large amount of qualified meteorological data for study across the world, while lack of innovative prediction approaches, the applying project plans to do forecasting study making use of committee machines which has not been widely studied in atmospheric science field. The plan includes: to take intensity and track of typhoon in South China Sea as forecast object, and to make comparative study between three static structure (averaging, bagging and boosting) of committee machines and the traditional Model Output Statistics (or MOS) or Perfect Prog (or PP) approaches; to make further studies on the number of rules, cluster scales, initial cluster centers, fitting capacity of individual expert network which are involved in the gate and experts in the dynamic committee machines.

申请项目针对目前国内外大量可供分析研究的气象数据资料，而相对缺乏预报新方法的问题，拟采用目前国内外在大气科学尚未全面开展的委员会机器模型进行预报建模理论方法研究。以南中国海台风强度和移动路径为预报对象，对委员会机器的三种静态结构 (Averaging, Bagging, Boosting) 与传统的MOS 和PP 预报方法作比较分析研究；对委员会机器的动态结构（模块化模糊神经网络）中门网络和专家网络涉及的规则数、类规模、初始样本中心、单个专家网络的拟合能力作深入研究。从而为充分合理利用气象数据资料、开展预报建模方法研究与应用提供新的途径。

本项目主要对气象环境数据（南中国海台风24小时路径预测和**国的空气质量主要指标成份浓度逐小时预测）作了分析研究。使用最大最小均匀分布法和正态分布法对数据归一化的必要性及产生的影响作了测试和分析，结果表明数据归一化对预测模型的训练速度和预测精度影响很大，并建议对数据进行标准正态分布形式的归一化处理。使用利用委员会机器模型中的Averaging和Baggging集成对上述两大类数据作了较为广泛的预报建模分析，所采用的具体专家模型有纯线性神经网络、单层和两层贝叶斯神经网络、混合密度网络等。对模型中涉及的参数的选取作了广泛的测试，总体思想是利用sobol序列进行大范围搜索并缩小其取值范围，然后在小范围内随机取值。对重采样策略是按台风数据样本还是按台风个体为单位进行作了比较分析，发现尽管理论上讲台风个体内的多个样本间关联度较大并不可分割，但建模结果是两者取得的结果差别不大。提出了神经网络训练策略中的半批量分组训练和是否有重叠的分组策略，即，对训练样本集作有重叠或无重叠的方式划分不同大小的连续分组，各分组依次对网络进行训练，分组内的样本一次性参与网络训练。结果表明，有重叠和无重叠的分组对结果影响不大，而分组大小对结果影响很大。最佳的分组大小往往间于常用的纯增量训练（分组大小为1）和纯批量训练（分组大小为整个训练集的规模）之间。经过对贝叶斯网络的诸多参数的筛选确定，对台风数据预报建模结果使其预报平均误差比传统的逐步回归方法减少了近20公里。利用混合密度模型提出了台风路径预测的概率分布情况，有利于有重点的进行防灾减灾准备。