雨量预报方法的评价摘要雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量做出预报是一个很困难的问题，广受世界各国关注。
我国某地气象台和气象研究所正在研究6小时雨量预报方法，由于受到学科发展水平的限制，目前国内外降雨数值预报水平还不高.为了使预报方法更为准确，使天气预报更好的服务于公众生活，我们用数学模型来分析研究这一问题.文中我们建立了比较两种预测降雨量方法优劣的数学模型.即根据2491个网格点的纬度、经度和降水量的预测值，采用二维插值的方式，分别对91个观测站点的降雨量进行预测，利用Matlab 软件中的griddata 函数：ij r =griddata ),,1,1,1(y x z y x ij m =griddata ),,2,1,1(y x z y x然后将其与实测值对比，求出预测值与实际值之间的误差，利用Matlab 软件中的矩阵范数函数normN1=PA -2=norm(P A -)=405.3782，N2=2P B -=norm(P B -)=416.1976根据范数的含义,所得范数越小，即误差越小.因为有N1<N2，故可得出结论： 第一种方法比第二种方法预测雨量的准确性更高.为了解决如何在评价方法中考虑公众的感受的问题，我们将第一题中通过二维插值得到的91个气象站41天的预测值用分级形式输出，即无雨、小雨、中雨、大雨、暴雨、大暴雨、特大暴雨.将两种方法输出的雨量预报情况与实际降雨量情况进行比较，111P A H -= 112P B H -=统计出每种方法准确预报、空报、漏报的次数，误报次数越少的，对应的方法准确性应越高，公众对其可信度越高.程序运算结果得到：预测值等于实测值代表观测站点预报准确，预测值大于实测值代表观测站点空报的次数或对天气状况预测过于恶劣，预测值小于实测值代表观测站点漏报的次数或对天气恶劣状况估计不足.得到两种预测方法的准确率分别为80.7625%，79.8780%.可见运用第一种方法时，误报的次数较少，准确率较高，故第一种方法较好. 为了使雨量预报方法准确性更高，适用范围更广，我们给出了改进建议.一、问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量做出预报是一个很困难的问题，广受世界各国关注.我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上.同时设立91个观测站点实测这些时段的实际雨量，由于各种条件的限制，站点的设置是不均匀的.气象部门希望建立一种科学评价预报方法好坏的数学模型与方法.气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据.雨量用毫米做单位，小于0.1毫米视为无雨.(1)请建立数学模型来评价两种6小时雨量预报方法的准确性；(2)气象部门将6小时降雨量分为6等：0.1-2.5毫米为小雨，2.6-6毫米为中雨，6.1-12毫米为大雨，12.1-25毫米为暴雨，25.1-60毫米为大暴雨，大于60.1毫米为特大暴雨.若按此分级向公众预报，如何在评价方法中考虑公众的感受？二、模型假设1.天气变化状况是局部连续的.2.各个观测站点设备及测量水平相同，不存在技术上的误差.三、符号约定1x——网格点的纬度构成的矩阵1y——网格点的经度构成的矩阵1z——采用第一种预测方法时，网格点处的降雨量预测值2z——采用第二种预测方法时，网格点处的降雨量预测值r——按照第一种预测方法，第i天，第j个时段的预测结果,是一个91维的列向量.ij(i=1,2……,41;j=1,2,3,4)m——按照第二种预测方法，第i天，第j个时段的预测结果，是一个91维的列向量.ij(i=1,2……,41;j=1,2,3,4)p——第l个气象站点在第j个时段降雨量的实测值lj(l=1,2……,91;j=1,2,3,4)四、模型的建立与求解1.两种预测方法的优劣比较衡量一种降水量预测方法的优劣，依据就是由这种方法预报的天气状况能够准确的反映实际的天气变化.因此我们可以这样建立模型：将题目中给出的预测和实测两种数据导入Matlab 软件.lat ，lon 数据导入后作为两个矩阵的形式，代表网格点的相应位置；其余数据为相应网格点处降雨量的预测值.根据上述对应关系，我们可以对已经给出的预测值采用二维插值的方式，找出它们之间的关系:),(y x f z =,分别对91个观测站点的降雨量进行预测，然后将预测值与实测值对比；利用矩阵范数，得到预测值与实际值之间的误差，将这两个误差相比，误差小的，相应的预测方法就比较准确.算法步骤：以2002年6月18日第一时段为例. 第一步，题目中给出了两种不同的预报方法，按照这两种不同方法，对已知网格点的预测值进行二维插值，得到91个观测站点在这天的4个时段中的降雨量预测值.网格点及对应降雨量关系为纬度 经度 预测值 实测值lat lon f6181_dis1 020618.six 的第四列----------第一种预测方法 lat lon f6181_dis2 020618.six 的第四列----------第二种预测方法 取矩阵lat x =1，矩阵lon y =1，矩阵1z =f6181_dis1,观测站点的纬度为x ，经度为y ， 各观测点的降雨量预测值z 与纬度、经度存在如下函数关系：),(y x f z = 利用Matlab 二维插值函数griddata ，即得观测站点降雨量预测值：11r =griddata ),,1,1,1(y x z y x11r 表示在第一天的第一时段，利用第一种预测方法，通过二维插值得到的91个观测站点降雨量的预测值.同理令lat x =1，lon y =1，2z =f6181_dis2，气象站的纬度为x ，经度为y ，得：11m =griddata ),,2,1,1(y x z y x11m 表示在第一天的第一时段，利用第二种预测方法，通过二维插值得到的91个观测站点降雨量的预测值.具体程序见程序附页. 将该过程用表格表示如表1下：表1将各观测站点降雨量的观测值与实测值进行比较，然后通过它们的误差来判别两种方法的优劣.同理，利用相同的方法可以得到91个站点在41天中4个时段的预测值（共414⨯个91维列向量），即11r ，12r ，13r ，14r ，21r …………411r ，412r ，413r ，414r （用第一种预测方法） 11m ，12m ，13m ，14m ，21m …………411m ，412m413m ，414m （用第二种预测方法）第二步，观测站点降雨量的预测值与实测值的比较.按照时段的不同，将上述插值结果写为一个4)4191(⨯⨯的矩阵，其中行数表示天数，列数表示四个不同时间段,即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211r r r r r r r r r r r r A , ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211m m m m m m m m m m m m B将6月18日的实测数据中的4个时段观测值写为以下矩阵：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,913,912,911,9124232221141312111p p p p p p p p p p p p P 按照同样的方式，则41天的全部实测数据写为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯=4121P P P P ，P 为4)4191(⨯⨯的矩阵求两种方法的预测值与实测值之间的矩阵范数P A -2和2P B -，即预测值与实测值之间的误差.利用Matlab 软件中的矩阵范数函数norm 求其2-范数:第一种预测方法的2-范数：N1=norm(P A -) 第二种预测方法的2-范数：N2=norm(P B -) 运算后得到：N1=405.3782N2=416.1976范数越小，即误差越小.因为有N1<N2，故可得出结论： 第一种方法比第二种方法预测雨量的准确性更高. 2．在评价方法中考虑公众的感受气象因素在人们的生产生活中有着重要的影响.在生产活动中，农民只有按照天气变化规律选择作物的种植，才能获得丰收；工厂商家只有对天气状况充分估计，才能减少不必要的损失，降低成本，最大程度的获得经济效益.在人的日常生活里，天气状况更是影响着人们的身体健康和工作出行.作为一项服务工作，预测方法只有符合实际天气状况、具有更高的准确率时，才能更符合公众的需要，使人们能够面对恶劣天气，及时采取有效措施.由题意可知，气象部门将6小时降雨量分为6等，将其赋值如下： 0——不下雨1——0.1-2.5毫米为小雨 2——2.6-6毫米为中雨 3——6.1-12毫米为大雨 4——12.1-25毫米为暴雨 5——25.1-60毫米为大暴雨 6——大于60.1毫米为特大暴雨 算法思想：利用C++程序（见程序页），对第一题中两种方法分别得到的预测值进行处理，按照给定分级输出,即如下转化方式⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,414,412423222114131211r r r r r r r r r r r r A →⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=14,4113,4112,4114,411241231221211141131121111r r r r r r r r r r r r A 1ijr 为91维列向量，其各项取值为0，1，2，3，4，5，6⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=4,413,412,411,412423222114131211m m m m m m m m m m m m B ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯⋯⋯⋯=→14,4113,4112,4111,411241231221211141131121111m m m m m m m m m m m m B 1ijm 为91维列向量，其各项取值为0，1，2，3，4，5，6⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⋯=4121P P P P →⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯=14112111P PP P1i P 中各个元素的取值为0，1，2，3，4，5，6算法步骤：同样，以2002年6月18日第一时段为例，调用程序，将第一天四个时段的所有插值结果运行后输出，转化后的结果为：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=11411311211111r r r r A ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=11411311211111m m m m B ⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡⋯=14112111P P P P 同理可得到41天的转化输出结果.令111P A H -= 112P B H -=在程序中加入计数器，使用累加的方式，将1H ，2H 中不为零的元素个数输出，结果如下：表2预测值等于实测值代表观测站点预报准确；预测值大于实测值代表观测站点空报的次数或对天气状况预测过于恶劣； 预测值小于实测值代表观测站点漏报的次数或对天气恶劣状况估计不足. 令39524761+=n =2871，45125522+=n =3003则1n ,2n 就代表分别采用两种方法时，各自误报的次数.同时可以得到两种预测方法的准确率分别为80.7625%，79.8780%.可见运用第一种方法时，误报的次数较少，准确率较高，故第一种方法较好.五、模型优化与改进在本题中，采集的数据点集中于东经120度、北纬32度的地区，同时气象观测站的设置也是不均匀的，因此容易出现以下缺点：1.仅在这一地区的天气预报中可以比较出所给出的两种方法的优劣，而没有充分的依据证明比较准确的方法在更大面积上的适用性.2.气象站设置不均匀，使得给出的实测数据分布并不均匀，在插值时会导致某些点偏离过大，不适合总体评价时使用，浪费财力物力.3.在夏季一些天气变化迅速的季节，天气状况值只在很小范围内具有连续性，这时预测方法不再适用.模型改进：1.将预测工作比较合理的分配给各气象预测站点，每个气象预测站点在该站点周围地区均匀设施测量点，这样在插值逼近的时候既能全面涉及较大地区，又能充分利用所测数据；或者利用卫星云图，根据卫星云图上云带的位置、强度、移动及发展情况，结合天气形势，直接预报降水等级，减少计算误差.2.本题研究6小时预报方法，6小时滚动预报因为没有对应可靠的数值预报产品及14h、02h常规高空资料，因此参考资料以卫星云图为主，综合考虑实况雨量、常规天气资料，进行人工经验外推制作.六、参考文献[1] 陈公宁，沈嘉骥，计算方法导引，北京：北师大出版社，2000.1[2] 谢兆鸿，范正森，王艮远，数学建模技术，北京：中国水利水电出版社，2003[3] 王沫然，MATLAB与科学计算，北京：电子工业出版社，2003.9[4] 姜启源，谢金星，叶俊，数学模型，北京：高等教育出版社，2003.8[5] 安康气象，中短期天气预报质量检验办法， ，2005.9.17[6] 中国知网，三峡工程明渠截流设计洪水分析，，2005.9.18程序页二维插值在Matlab软件中的程序：x1=lat;y1=lon;z1=f6181_dis1;z2=f6181_dis2;s=A020618;x=s(:,2);y=s(:,3);r1=griddata(x1,y1,z1,x,y)r2=griddata(x1,y1,z2,x,y)测量值与降雨量分级的转化程序（C++语言）#include"iostream"#include"fstream"using namespace std;int main(){ifstream indate1;ofstream outdate1;indate1.open ("chazhi1.txt");outdate1.open ("result11.txt");cout<<"降雨量分七个等级，小于0.1的为0级，无雨；大于0.1且小于2.5的为1级，小雨；大于2.6且小于6的为2级，中雨；大于6.1且小于12的为3级，大雨；";cout<<"大于12.1且小于25的为4级，暴雨;大于25.1且小于60的为5级，大暴雨;大于60.1的为6级，特大暴雨。
