两偶图的适用性在加尔各答雷暴预报模型

文摘

单谱两偶图(SSBG)模型预测雷暴在加尔各答在premonsoon季节(4)。正态概率的统计分布,观察温度、相对湿度、对流可用势能(角)和对流抑制能源(CIN)的阈值量化参数雷暴的患病率。条件概率的方法实现确定雷暴的发生的可能性范围内的阈值。单一光谱两偶图的连通性模型在这项研究包含两个顶点集;一套包括两个时间点(00 utc, 12 utc)和其他包括四个气象参数:温度、相对湿度、斗篷,和CIN。三个不同范围的最大特征值获得了雷暴的三类。最大特征值对严重,普通,没有雷雨被观察到的事件,,,分别。阈值的范围获得使用十年的数据(1997 - 2006)的参考范围和结果验证IMD(印度气象部门)观察,多普勒天气雷达(DWR)产品,和2007年的卫星图像。结果表明,模型提供了12 - 6小时预测(重点学科)的雷暴,准确率96%到98%。

1。介绍

雷暴是一个中尺度天气现象与空间尺度不同从几公里到100公里,时间尺度不同的不到一个小时到几个小时的时间。严重的雷暴创建很多损害属性和作物,人类和动物死亡通过强大的表面风,闪电,偶尔大冰雹和龙卷风。每年,在premonsoon数月的4月和5月,加尔各答(N,E)遇到严重的雷暴,当地称为还是'westers或Kalbaishakhi。预测严重的雷暴气象学家和大气科学家来说都是一个挑战在印度因为这样高度非线性和混沌现象可能产生重大不利影响农业生产力和生活1]。固有的确定性混沌时间序列雷暴发生已被确认的2]。在先进的计算技术的时代,即将到来的复杂和精确的计算方法,可以帮助研究复杂大气过程3- - - - - -9和其他人。有各种各样的传统方法等的日常预测雷暴天气气象图,热力学图(T -克)、雷达观测和统计和数值模型。预测小范围的天气现象的传统方法有一定的局限性10,11因为天文台的nonavailability关闭网络,因此,可能会偏离准确的预测。雷暴是印度的长期特性;然而,遗传基础、结构、演化过程,雷暴的动态随季节和位置。Premonsoon(环比)雷暴加尔各答的最具破坏性的天气导致生命和财产的重大损失在表面和航空风险在空中。它与高耸的积雨云(Cb),高频的闪电,大的冰雹,偶尔的龙卷风,和很强的表面风。premonsoon雷暴产生重大的社会影响在这个地区。

本研究旨在探讨预测图理论的适用性premonsoon雷暴在加尔各答。方法的优点是,它可以采取所有的复杂性、非线性和混沌系统的固有的启发式框架。预测雷暴的必要性(12- - - - - -15)和相当大的交货时间(至少12小时)和准确性(至少90%)导致选择一些相关的热力学和动态模型的参数作为输入从十年(1997 - 2006)数据分析15- - - - - -17]。大量文献显示可用的适用性统计和数值方法预测雷暴18]。例如,戴维斯(2004)估计CIN和自由对流(利物浦)水平与龙卷风和超级单体雷暴活动(19]。Huntrieser et al。(1997)比较了传统和新派生对流指数统计预测技术在瑞士(20.]。Michalopoulou和Jacovides(1987)统计方法用于一些对流参数预测雷暴在塞浦路斯(21]。沙佛和Fuelberg(2006)讨论了统计程序预测温暖季节闪电(22]。

在目前的研究中,SSBG模型输出显示了不同范围的最大特征值严重的(2.6±0.12),普通的(1.88±0.09),没有雷雨(1.26±. 03)事件。这些范围作为预测的参考范围,验证结果与2007年的观察。预测的模型提供了12 - 6小时(重点学科)的雷暴,准确率96%到98%。

2。数据

研究的数据来源是印度气象部门http://www.imd.ernet.in和http://www.weather.uwyo.edu。闪电从全球闪电位置数据收集网络卫星图像(http://webflash.ess.washington.edu/)。每小时(INSAT) KALPANA-1意象(IR)在研究期间(4)也被研究。premonsoon赛季的数据收集月(4月和5月)从1997年到2007年。研究是加尔各答的位置(N,E)。本研究中提供的输入变量是高空RS / RW测深数据和雷暴的记录。一些重要的气象参数如温度()、相对湿度(Rh)对流可用势能(角)和对流抑制能源(CIN)作为开发SSBG模型的输入。四个参数中,前两个是观察到的参数,最后两个是派生参数。雷暴的严重性估计70公里/小时的风速或38节,高频的闪电,和强烈的云质量(从卫星意象明显),而风速对普通雷暴观测是50公里/小时或27节,低频率的闪电,云的小块从卫星意象(明显)。

3所示。方法

正态概率分布函数(23)用作统计工具来确定最可能的范围选定的输入参数的值(Rh,斗篷,CIN)雷暴的发生(表1)。采用条件概率的方法确定阈值范围内的雷暴发生的可能性。SSBG模型(图1)查看开发模式特征值的雷暴和非雷雨天。模式识别的特征值为不同类别的雷暴(严重、普通或没有雷雨)在12到6小时雷暴的发生促进发展预测模型。

3.1。图Theory-An概述

许多实际的情况下,除了理论数学和计算机科学,可以方便地解释为包含几个点和线的图形。

基本上一个图由一组顶点()和一组边(),可以表示为

图可以表示为其发病率和邻接矩阵。

的邻接矩阵一个=一个图G的定义是(24]

非空的图被称为连接如果任意两个顶点相连的路径。图的连通性是一个重要的衡量一个网络的鲁棒性。

在两偶图的顶点可以分成两个不相交的集和这样,每条边连接一个顶点,另一个在;,没有两个顶点之间的边在同一组。一式两份的图是很有用的模型匹配问题,广泛用于现代编码理论,特别是从通道解码收到的码字。

光谱分析在图论促进修复范围的分布特征值。一些特征值被称为图的代数连接模式(25]。图像特征值在广泛领域的应用,在不同的借口。然而,谱图的基本数学理论通过它所有的关系纯粹与应用,连续和离散可以被视为一个统一的主题。有不同的前题和主张谱图理论研究特征值的变化特征,他们的界限,方向(26]。

3.2。实施程序

目前的研究是开发的奋进号两偶图的连通性模型(图2)预测premonsoon雷暴在加尔各答指定阈值的输入参数。输入参数被认为是本研究的温度()、相对湿度(Rh)对流可用势能(角)和对流抑制能源(CIN)。从1997年到2006年十年期间数据分析premonsoon个月4月和5月导致分配气象参数(表的阈值1)。获取参数的阈值选择使用正态概率分布的十年数据集(表2)。分配给输入参数的值是通过观察的正态概率分布参数。的发现概率密度最大阈值范围(表3)。

条件概率是用来证实指定的阈值参数的雷暴的发生(表3)。

计算最大特征值的分析是克制和实际范围以及不同类别的雷暴的变化(严重,普通,没有雷雨事件)的意思。图4显示相对应的特征值的模式雷雨天。图模型显示变量的光谱特征值。这是明显的,因为正如顶点的位置变化,邻接矩阵的输入也变化,反映在特征值的变化。因此,光谱的一式两份的图可能会导致一个不确定的结果和实际的目标预测雷暴可能倾斜。两偶图模型从而限制单个光谱两偶图(SSBG)(图1在目前的研究中。使用SSBG预测模型的示意图如图2。

4所示。结果与讨论

premonsoon赛季与十年的数据分析了从1997年到2006年。收集的数据和记录112年雷暴站加尔各答(N,112 E)因此,一式两份的图构造。一式两份的图模型中包含两个顶点(图1),一个随时间()和其他四个参数()。的顶点列表是,,在那里,而对于顶点列表,,,,在那里,,,。将会有两个顶点集之间的路径,和为特定的雷雨天,如果顶点的列表中的值匹配的阈值参数。因此一组连接由两部分构成的图形构造雷雨天。雷雨天绘制于两套两偶图及其邻接矩阵形成。一式两份的图的特征值计算。只有每个两偶图的最高正特征值作为图的连通性的测量。条件概率的统计方法是用于建立所需的阈值范围参数范围雷暴的患病率(表3)。结果表明,阈值的概率高于其他值(图3)。的条件概率从而支持选定的阈值参数最优的雷暴的发生。两组特征值,一个对应于由两部分构成的图形满足阈值的参数和其他满足阈值范围以外的值,计算和绘制(图4)。两偶图的特征值计算模型参数的阈值作为输入然后分析和雷暴的分为两类:严重的和普通的IMD的记录。分析了nonthunderstorm天相同。三个截然不同的范围的最大特征值是观察到严重,普通,没有雷暴活动(图5)。这些范围作为模型的输入值,结果与2007年的观察验证。可以看出雷暴及其严重程度可以预测模型在12到6小时出现使用参数的选择范围和高度的准确性。预测误差是观察到变化在2%到4% 12 - 6小时预测,误差在16%到46%之间变化(图24小时预测6)。预测误差估计使用不同范围的特征值(2.6±0.12),(1.88±0.09)和(1.26±. 03),分别为三个类别的雷暴。然而,如果某一天,最大特征值偏离给定的范围,然后计算预测误差(%)使用最大平均偏差特征值。

预测误差(体育)可以计算

结果从而表明两偶图的不同范围的最大特征值与不同类别的雷暴。不同类别的雷暴(严重,普通,没有雷雨)与相应的特征值范围表现出显著差异。然而,统计方法不提供任何信息关于雷暴的严重性,虽然两偶图的连通性的方法可以是一个有用的工具来测量雷暴的力量。从而验证模型输出与2007年的观察。研究结果表明,12 - 6小时预测选择范围内的最大特征值(表4比24小时预测(数字)具有更好的精度6和7)。预测能力,检测概率(POD),和假警报率(远)计算SSBG使用数据集总模型输出(训练数据和测试数据)从1997年到2007年premonsoon天(环比)作为模型的输入(图8)。结果表明,严重的POD和普通雷暴,分别为3%和7%,97%和91%,而远。然而,对SSBG nonthunderstorm事件远计算模型输出观测是9%,豆荚是86%。因此,根据天气预报技巧分析,100没有雷雨事件,将会有9个假警报和91倍模型不给任何假阳性报警(图9)。预测误差(PE)计算出总的数据集是3.2%。因此,SSBG模型为96.8%准确的预测提供了11年数据集(1997 - 2007)。

输入参数的日常变化(角、CIN、温度和相对湿度)和雷暴报道使用等高线图所示天设在和相应的特征值设在(图10)。严重的雷暴标有绿色,普通标有红色,不带有白点雷暴活动。4月的特征值计算,2000年。两个严重的雷暴(15日和4月24日)和四个普通雷暴(4月12日,21日,23日和29日)发生在4月,2000在加尔各答(N,E)。特征值对应于不同类别的雷暴是遵循指定的模式(图观察5)。卫星闪电数据也考虑分析雷暴的严重性以及表面风速和雷达观测。伴随着严重的雷暴闪电频率(2006年5月28日)和普通雷暴在加尔各答(2006年5月20日)描述了数据11和12。闪电频率较高严重雷雨天在飑线的运动在车站(图11),而很少闪电事件发生在普通雷雨天。对SSBG预测模型进行了验证与实际观测的2007雷暴活动使用卫星图像(INSAT KALPANA-1_IR)、多普勒天气雷达图像,和印度气象部门(IMD)观察。严重雷雨(2007年5月21日)与表面风速81公里/小时,一个普通的雷雨(2007年5月22日)与表面风速50 km / h的预计交货时间10小时和12小时,分别SSBG预测模型。雷暴的预报(4月9日,5月3日,5月12日和5月28日,2007)与模型被成功验证与印度气象部门(IMD)观察(表4)。图13显示了INSAT红外序列图像(KALPANA-1)在5月21日,2007(严重雷雨天)。强烈的对流是观察在11到13 UTC加尔各答和周边地区。云顶温度观测。卫星图像显示孤立云补丁在5月22日的12 UTC, 2007(普通的雷暴日)15岁正在加剧UTC在加尔各答和相邻地区(图14)。云顶温度观测。多普勒雷达图像也支持SSBG模型预测(数字15和16)。

5。适用性和局限性

研究表明,气象参数的阈值优化严重的雷暴的患病率在加尔各答(N,E)。SSBG模型能够提供短时预测对普通和严重的雷暴。然而,模型的局限性是它必须是一个单一的谱模型。如果顶点的位置发生了变化,那么该模型输出将被改变。很明显因为顶点位置的变化会导致改变的邻接矩阵输入,因此特征值,排名等等将会不同。使用单一光谱两偶图模型三个截然不同的最大特征值为不同类别的雷暴,严重,普通,没有雷雨。模型尤其是预测在加尔各答premonsoon季节的雷暴。SSBG预测模型训练的十年(1997 - 2006)数据在一个特定的时间(4)选择输入参数的阈值。模型可以用来预测提供的其他季节或地区雷暴的阈值输入参数选择正确的区域。

6。结论

本研究使用SSBG模型导致状态的阈值选择适合气象参数预测雷暴在加尔各答。二分图的最大特征值对应于严重,普通,没有雷雨天遵循完全不同的模式,对于某一天如果最大特征值计算使用选定的参数和匹配模式然后雷暴的发生和严重程度可以用96%到98%的预测精度与12 - 6领先。

确认

第一作者承认金融援助呈现的科学和技术,印度政府进行研究和印度气象部门(IMD)提供的数据和雷暴记录。作者感谢两个匿名评论者的建设性意见。

引用

1. g·k .马诺、s s Kahdalgaonkar和m . i r . Tinmaker“雷暴活动在印度和印度西南季风,”地球物理研究杂志》上的D,卷104,不。4、4169 - 4188年,1999页。视图:谷歌学术搜索
2. j.p. Charba”两到六小时严重当地风暴概率:预测一个操作系统,”每月天气回顾卷,107年,第282 - 268页,1979年。视图:出版商的网站|谷歌学术搜索
3. m . Baldi g . a .大陆和r·a·皮尔克老”所产生的垂直速度和可用势能景观变异性假说,”应用气象学和气候学杂志》上卷,47号2、397 - 410年,2008页。视图:出版商的网站|谷歌学术搜索
4. t·安德森·m·安德森,c .家室,尼尔森,“热力学指数预测雷暴在瑞典南部,”气象杂志,卷118,不。1404年,第146 - 141页,1989年。视图:谷歌学术搜索
5. 乔杜里,“喜欢类型的云严重thunderstorms-a创世纪的软计算方法,”大气研究,卷88,不。2、149 - 156年,2008页。视图:出版商的网站|谷歌学术搜索
6. m . El-Ghoul”最通用和混沌图”,混乱,孤波和分形,13卷,不。4、833 - 838年,2002页。视图:出版商的网站|谷歌学术搜索
7. m·w·加德纳和s . r .道灵”,人工神经网络(多层感知器)——审查在大气科学的应用,”大气环境,32卷,不。14日至15日,第2636 - 2627页,1998年。视图:出版商的网站|谷歌学术搜索
8. c . Marzban和A·威特”severe-hail大小的贝叶斯神经网络预测。”天气和预测,16卷,不。5,600 - 610年,2001页。视图:谷歌学术搜索
9. 根,p .骑士,g .年轻et al .,“指纹识别技术主要天气事件”,应用气象学和气候学杂志》上,46卷,不。7,1053 - 1066年,2007页。视图:出版商的网站|谷歌学术搜索
10. 答:亚伯拉罕:美国菲利普,约瑟夫,”我们会有潮湿的夏天吗?长期降雨预测使用软计算模型”建模与仿真2001e . j . H Kerchoffs和m . Snorek Eds。,pp. 1044–1048, The Society for Computer Simulation International, Prague, Czech Republic, 2001.视图:谷歌学术搜索
11. 乔杜里,“混合模型来估计潜在的深度对流不稳定严重的雷暴期间,“软计算的融合基础、方法和应用,10卷,不。8,643 - 648年,2006页。视图:出版商的网站|谷歌学术搜索
12. d . w .麦肯”,一个神经网络的短期预测重要的雷暴,”天气和预测7卷,第534 - 525页,1992年。视图:出版商的网站|谷歌学术搜索
13. 乔杜里,“可预测性的混乱中固有的发生严重的雷暴,”复杂系统的进展,9卷,不。1 - 2、77 - 85年,2006页。视图:出版商的网站|谷歌学术搜索
14. 乔杜里,“混沌图论方法对流可用势能(CAPE)模式的识别所需的起源严重的雷暴,”复杂系统的进展,10卷,不。3、413 - 422年,2007页。视图:谷歌学术搜索
15. c·p·Jacovides和t . Yonetani雷暴预报的稳定性评价指标更大的塞浦路斯,”天气和预测,5卷,不。4、559 - 569年,1990页。视图:出版商的网站|谷歌学术搜索
16. c·j·纽曼:“雷暴预报系统在肯尼迪航天中心,“应用气象学杂志,10卷,不。5,921 - 936年,1971页。视图:出版商的网站|谷歌学术搜索
17. 问:赵,j·库克,问:徐,p . r . Harasti”改善短期风暴预测通过同化雷达radial-wind和反射率的观察,“天气和预测,23卷,不。3、373 - 391年,2008页。视图:出版商的网站|谷歌学术搜索
18. p .舒尔茨”关系的几个稳定性指数在最北科罗拉多对流天气事件,“天气和预测4卷,第80 - 73页,1989年。视图:出版商的网站|谷歌学术搜索
19. j·m·戴维斯,“估计CIN和利物浦与龙卷风的nontornadic vortex,”天气和预测,19卷,不。4、714 - 726年,2004页。视图:出版商的网站|谷歌学术搜索
20. h . Huntrieser h . h . Schiesser w•施密德和a . Waldvogel”比较传统的和新开发的雷暴指数瑞士”天气和预测,12卷,不。1,第125 - 108页,1997。视图:谷歌学术搜索
21. h . Michalopoulou和c . Jacovides塞浦路斯地区不稳定指数”气象学和大气物理,37卷,不。3、153 - 158年,1987页。视图:出版商的网站|谷歌学术搜索
22. p·e·沙佛和h·e·Fuelberg”统计程序来预测温暖季节闪电在佛罗里达半岛的一部分,”天气和预测,21卷,不。5,851 - 868年,2006页。视图:出版商的网站|谷歌学术搜索
23. d·s·威尔统计方法在大气科学、学术出版社,波士顿,质量,美国,1995年。
24. n .比格斯Algebric图论,1993年剑桥大学数学库。
25. 钟,谱图理论美国国际扶轮,美国数学学会,普罗维登斯,1997年。
26. r . Diestel图论施普林格,纽约,纽约,美国,2005年。

版权

版权©2009 Sutapa乔杜里和Anirban Middey。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。