星環科技氣象大數據為「黃金水道」航運安全保駕護航

案例背景

上海市氣象局是上海政府的專業管理部門，主要負責上海行政區域內的氣象監測、天氣預報、災害性天氣預警等工作。氣象能見度是氣象要素觀測中的基本項目之一，是直接影響人類生活、生產、交通的重要問題。此次長江中下游流域能見度預報預警和監測平台搭建項目旨在通過大數據和機器學習技術，提高能見度預測精度，並通過可視化模塊實現氣象數據的價值傳遞。

問題與需求

作為全國最長的內陸航道，長江幹線航道年貨運量超20億噸，位居全球內河第一，年客運量3.2億人次，對沿岸經濟發展至關重要，是名副其實的「黃金水道」。航道船舶的航行安全與航道的能見度高低休戚相關， 能見度預報的準確與否決定著各大宗干散貨、集裝箱、滾裝運輸在長江中下游的航運安全。

1、能見度預測精度低

在能見度預測方面，氣象局之前主要使用數值預報的方法進行預測，其精度還有很大的提升空間，因此希望藉助於機器學習的演算法，來對誤差進行修正，整體提高能見度預測精度，以便做好預警，避免惡劣天氣下的人員傷亡和財產損失。預測對象為未來72h內的逐小時能見度，預測頻率為每小時預報一次，數據更新頻率為每天。

2、缺乏可視化呈現

為方便公眾用戶、決策用戶和行業用戶快速了解72h內的逐小時能見度，長江中下游流域能見度預報預警和監測平台的可視化功能亟待開發，在計算得出能見度預測數據後，自動形成可視化地圖，以便用戶快速響應做出決策。

解決方案

上海市氣象局的此次項目旨在建立長江中下游流域能見度預報預警和監測平台，實現預報、產品可視化以及評估檢驗功能。

整體的數據架構主要分為三個層次，第一層是運行環境，包含氣象局自建的應用伺服器及操作系統;第二層是數據存儲層，存儲氣象和數值預報相關的數據;第三層是業務應用層，包括預報產品的綜合顯示、相關預報效果的檢驗等。

能見度預測模型架構如下。

實施成效

1、氣象數據質量控制

數據質量控制的流程是指對收集到的濕度、溫度、氣壓、降水、風速、風向、地表污染物、時間及空間數據進行一體化的數據處理，將數據格式轉換形成歸一化的數據。之後進行自動標識，檢測數據是否有效，保留有效數據，剔除無效數據。數據質量控制流程通過前期的數據清洗核查，大幅提高了進入模型的數據質量以及能見度的預測精度。

2、單個站點個性建模

由於長江流域的某些站點之間距離較遠，並且所處的地理位置、氣候環境、社會環境、生產環境均有非常大的差異，而這些差異難以在有限的數據中體現。因此為了降低站點之間的數據干擾，保證預測精度，分別對單個站點進行單獨建模，降低不可控數據的干擾。整個系統的建模數為兩百多個，模型更新頻率為每天一次。

3、數值預報誤差補全

氣象局先前使用的預測方法為數值預報，即用大量的數據方程描述整個大氣運動的動態，再用大型計算機對方程進行計算。這些方程的假設比較多，需要簡化後機器才能算，如果簡化太多，則方程無法完全描述大氣特徵，因此會在確保能夠描述大氣特徵的前提下適當簡化方程。在簡化方程之後，必然會產生一些誤差，需要藉助機器學習的演算法填補數值預報的誤差缺陷，提升氣象能見度預報的精度。

演算法方面，使用二分類模型、XGboost和lightGBM模型進行多模型融合預測，由於每個氣象站每小時都會監測到準確的氣象實時數據，因此為機器學習模型不斷地注入新的訓練集。經機器學習的優化後的能見度預測模型，對長江中下游流域的城市，如：江蘇、安徽、浙江、湖北、湖南、江西、上海等，大部分城市的能見度預測誤差和相關係數都有9%~67%的顯著提升。

4、能見度可視化呈現

經過機器學習演算法預測的每個氣象站的能見度數值，以深淺不一的顏色顯示在地圖上，綠色表示能見度較好，深色表示能見度較差，刷新頻率為每小時。用戶可選擇「實時」或「預報」功能，查看實時的能見度或未來72h內的每小時能見度預報。

星環憑藉大數據和機器學習技術助力氣象局搭建長江中下游流域能見度預報預警和監測平台，昭示了上海市氣象局向人工智慧、智慧氣象方向的成功轉型，平台實現能見度的自動建模、參數調優和模型優化，提升預測精度，並藉助可視化模塊連接公眾用戶、決策用戶和行業用戶，加強了信息的互通共享，為「黃金水道」的安全航運保駕護航。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！