第九章 中长期天气预报自动化系统
本章介绍几种中长期天气预报自动
化系统的一般情况, 着重介绍其实现的
基本思路和所采用的技术 。
第一节 中长期天气预报专家系统
专家系统是 60 年代中期以来人工智能中应用最
广, 研究最活跃 。 发展最迅速的一个分支 。 从专家
系统诞生至今的近 30年中, 由于其优良的性能和
在实践中发挥的明显经济效益与社会效益, 使其风
靡世界, 成为各国都十分关注的热门学科 。 我国气
象部门于 70年代末开始在天气预报中引进人工智
能技术, 并在 80年代中期以后得到迅速发展, 各
种类型的气象预报专家系统 ( Weather Forecasting
Expert System,简称 WFES) 相继开发成功, 在天
气预报, 包括中长期天气预报业务中发挥了重要作
用 。
象预报专气家系统是以气象专家的预报知识为基
础, 能模拟气象专家的预报思路和策略, 解决气象
预报问题的计算机人工智能系统 。 它是计算机科学,
人工智能, 思维科学, 气象科学等多学科发展和结
合的产物 。
中长期天气预报专家系统 ( MLES) 则是以中长
期天气预报专家的预报知识为基础, 能模拟气象专
家的预报思路和策略, 解决中长期天气预报问题的
计算机人工智能系统 。 它是气象预报专家系统的一
种, 与其它气象预报专家系统的区别主要在于预报
项目的不同, 且这种区别主要反映在知识库中存放
的知识内容和推理所需的数据内容上 。 因此, 下面
介绍的 MLES虽是针对长期天气预报的, 但不失一
般气象预报专家系统的基本特征 。
一,MLES的结构
一般 MLES主要由以下五部分组
成:知识库;推理机;数据库;知识
获取部件;解释部件 。
1.知识库
知识库知识库是系统的记忆体,预报知
识的存储器,它存放以一定形式(如产生式)
表示的关于中长期天气预报问题的专门知识,
主要供推理决策使用。 WFES与其它专家系统
的差别,主要就在知识库的具体内容上。
要建立一个知识库, 首先要从预报专家那里吸取
知识, 或通过系统本身的学习机制获得知识, 这就
是知识获取过程 。 而后再将获得的知识以一的形式
进行编排存入计算机中形成知识库, 这种知识编排
就是所谓知识表达问题 。 由此可见, 一个高质量的
知识库主要取决于两个因素:一是能否获取到高水
平的知识;二是能否用适当的形式把获取的知识精
确, 有效, 简明地表达出来 。
2.推理机
推理机是专家系统的核心, 是一个具有推理策
略的控制机制 。 它负责使用求解当前具体问题的有
关数据信息, 识别和选取知识库中当前问题可用的
知识并进行推理, 最终的出问题求解结果 。
推理机的控制策略, 常用的有数据驱动的正
向推理, 目标驱动和正向推理与反向结合的混合
推理三种方式 。 少数系统已采用元控制方式 。 推
理机的性能关系到工作的效果和效率, 一个良好
的控制策略将保证知识愚弄的正确性和显著地节
省毅力时间 。 推理控制策略的选择常与庄稼系统
求解的具体问题的类型有关, 由于气象预报问题
具有大信息量的特点, 以及预报对象通常是可以
转化为发生与否的判断预报, 因此, WFES多数
才应反向推理或正向混合推理方式, MLES也不例
外 。
3.数据库
数据库用于存放历史的和当前的各种气象数据
及体力得到的各种中间结果,即数据库一般包括历
史数据库和当前数据库两部分。
( 1) 历史数据库
WFES中存放的历史气象资料的具体内容视系统的预
报对象而定, MLES中, 通常存有中期数值预报产品, 侯,
旬, 月, 年, 或多年的平均高度场, 气压场, 温度场, 风
场, 海温场和其它与中长期天气过程有关的资料, 以及对
应出现的实况天气资料 。 用它可做历史气候资料的统计,
查询, 环流型划分以及验证气象专家提供的经验知识等,
它也是进行机器自动获取知识所必须依靠的基本事实 。 历
史数据库虽然作用很广, 但对于某一种特定系统来说, 它
并不是非有不可的 。 当然, 如果在知识库中含有相似预报
之类的知识时, 有要从大量历史资料中寻找相似形势, 那
么此类系统中的历史数据就必不可少了 。
( 2) 当前数据库
当前数据库存储解决问题所需的初始证据和推
理过程中得到的各种中间信息, 即存放根据输入的
初始资料获得的已知事实, 用户回答的事实和推理
而得到的事实 —— 系统当前要解决的问题的一些事
实 。
当前数据库直接为推理机服务并随时接受推理
机的推理结果, 它与知识库一起共同构成推理所需
的信息源 。
4.知识获取部件
知识获取部件的主要功能,是能修改知识库中
原有的知识和扩充新的知识。一个比较完善的知识
获取部件包括三方面的内容,
( 1)用户根据需要,可以方便地对知识库中原
有知识进行删除,修改或增加新知识。
( 2) 系统根据实际的运行结果, 并通过用户对
系统每次求解的反馈信息, 知识获取机制能发现原
来的某些知识有错误或需要增加新知识, 能自动地
删除明显错误的知识或自动地总结归纳出新知识并
追加到知识库中, 从而使知识库中的知识不断充实
和完善 。
( 3) 利用历史数据库中的历史资料, 知识获取
机制自动地将获取的知识加入知识库中, 其中包括
对专家提供的知识进行验证和精选 。 这一功能部分
地代替了在知识库建造过程中专家和知识工程师的
工作 。
5.解释部件
解释部件的主要功能是回答用户对系统的提问,
对系统的出结论的推理过程或系统的当前求解状态
提供说明 。 同时, 解释功能也反映了系统的教学
能力, 它使天气预报专业人员或初学天气预报者能
得到问题求解过程的直观学习 。
显然,解释部件工作时要运用知识库中的知识和推
理机的工作结果。
二,MLES的工作原理
一个具有上述结构的 MLES,它的工作原理如图
9.1所示 。
以采用反向推理控制策略的工作过程为例 。 当系统
通过人机接口部件接受到个一个具体预报问题后,
就要寻找支持该假设结论的证据 。 途径是在知识库
中找出与解决该预报问题有关的所有知识, 并通过
人机接口或当前数据库获取反映当前气象状况的有
资料信息, 推理机运用这些知识和信息, 模拟中长
期天气预报专家的预报思路进行推理决策, 最后得
出预报结论 。
对推理得到的预报结论,除通过人机接口
部件告诉用户外,同时在系统内部通知知识
获取部件,告诉其推理结论和所依据的知识。
当被预报时段的天气实况出现并被输入系统
后,知识获取部件依据一定的学习方法,地
知识库中原有的知识进行修 改或扩充。
综上所述可知,MLES的工作过程是以推
理机的工作为中心进行的,整个系统在控制
策略的控制下运行,系统的各个组成部分围
绕这着所要解决的具体预报问题,在推理机
的协调下形成统一的整体。因此,一个性能
优良的系统,不但需要高效率的,能充分体
现预报专家思维方式的推理机制和高水平的
知识库,而且要求各组成部分的高度协调一
致。所以,MLES的建立需要知识工程师与气
象专家的通力合作。
三,知识库的建立
知识库一般要经过知识的获取,知识的
表示和知识库中内部表达的实现三个基本
过程,下面分别介绍。
1.知识的获取
知识获取过程是一个将知识源向计算机
程序转移的过程。知识源主要指的是人类
的领域专家,但也可以是书本或其它资料。
知识获取过程包括知识建立前的搜集,整
理并形式化为机器能够表示的最简单形式,
以及知识库建立后对知识的修正和补充。
知识获取的方式主要有两大类:一是人工
方式,也叫编辑方式,即由专家总结,提供知
识,用编辑的方式将专家知识写入知识库,并
根据专家的意见修改知识库的内容;二是自动
或半自动方式,也叫机器学习,即模仿人类专
家总结经验,知识的思维方法,根据历史气象
资料,由机器自动或半自动地总结出预报知识,
自动写入知识库,并能根据系统的工作结果,
自动或半自动地修正,完善知识库 中的知识。
人工方式获取知识的工作过程大体
上要经过以下六个阶段;
( 1)准备阶段
准备阶段一般要做以下工作,
A.确定预报目标
B.收集历史资料
( 2)知识搜集阶段
A.从书本上找
B.专家或有经验的老预报员提供
C.临时总结
( 3)形式化阶段
把收集到的知识用下述方法表达成统一的
机器能识别的形式,并把 概念不清晰的知识加
以清晰化,包括将用图形图象表达的图象型知识
作特征化处理,
( 4)知识化简阶段
去掉重复的,表达不简练的知识,使输入知识库
的知识更为简洁,并能节省存储空间,提高推理
速度,
( 5)知识检验阶段
对化简后的知识通常还应用历史资料进行验证,
去掉或修正那些专家自认为可用而实际并不可
靠的知识,并计算出每条知识的可信度。
( 6)完善阶段
根据系统运行结果和实况反馈,地知识库内容
进行修改。此工作在系统使用过程中应定期反
复进行。
2.知识的表示
知识表示是知识处理的核心之一,也是 AI
中研究的重点内容之一。
在现有的各类气象预报专家系统中,目前
较成熟的几种表示方法 —— 产生式表示法,逻
辑表示法,语义网络表示法,框架表示法等。
但用得最普遍的,对中长期天气预报知识较适
用的还是产生式表示法。故下面 仅对知识的产
生式表示法作一介绍。
产生式表示法也叫规则表示法,一条知识
用产生式表示后称为一条产生式规则,简称规
则。它由条件和结论两个基本部分构成,其一
般形式为,
IF提前 THEN结论
其中, 提前, 和, 结论, 都可由多个能用陈述
性语言描述的事物组成,且事物与事物之间可
以是 and也可以是 or关系,即
IF提前 1and提前 2and( or) … 提前 m
THEN结论 1and( or)结论 2and( or)… 结论 k
且常用 RULEn来表示第 n条规则的规则名(序
号)。
三,知识在知识库中内部表达的实现
实现方式可分为两大类,一是程序方式,
而是文件方式,下面分别介绍,
( 1)程序方式
程序方式就是将规则直接用某种高级语言来写,
比如 LISP,PRLOG语言,它们都有较强的符号
处理能力。
用程序方式表示规则时,推理机等其它不见的
设计也要采用相应的语言。
( 2)文件方式
此方式把知识作为特殊的, 数据,,以文件方
式存取,且用随机文件或顺序文件方式均可。
四,推理控制策略及其实现
推理是实现专家系统功能的一个核心问
题。在专家系统中,推理是以知识库中的知
识为基础的,故称为基于知识的推理。
推理过程的控制策略包括推理路线的控
制策略和知识的搜索策略。下面着重介绍推
理路线策略的控制策略。
数据驱动的控制策略,目标驱动的控制
策略和混合控制策略,是推理路线控制的三
种基本策略。
1.数据驱动的控制策略
基本思想是:从已有的基本事实出发,
正向使用知识库中的知识(规则),当规
则的提前与当前数据库中的以有事实匹配
时,该规则为可用规则,然后根据知识选
择的搜索策略在可用规则中选取一条启用
规则,启用规则的右边就是推得的新事实,
从而引起新的规则的匹配,如此不断进行
下去,直到没有可用规则或求得了所要求
的解为止。
2.目标驱动的控制策略
基本思想是:先提出一个假设目标,然后
去寻找支持这个假设结论的证据,即在知识
库中查找出该结论的规则集,若规则集中的
某条规则的所有前提 都得到证实,则执行这
条规则就证实了提出的假设;否则,把该规
则的前提作为子目标,递归执行上述过程,
直到各:与, 关系的子目标中有一个被证实
时,总目标即被求解,或者直到子目标不能
进一步分解且不能被证实时,宣告原假设为
假。
3.混合控制策略
基本思想:先在当前数据库中输入一
些基本事实,通过数据驱动帮助系统提出
假设目标,然后再运用目标驱动进一步寻
找支持的证据,并可反复进行这些过程。
这样几既可以避免目标驱动中初始目标选
择的盲目性,也克服了数据驱动中推理的
盲目性,使两种驱动得到的相互补充。
第二节 相似预报自动化智能系统
本节介绍一套适用于中长期天气预
报的相似预报自动化智能系统,它采用
了人工智能技术,实现的系统更完善地
模拟了预报员使用相似预报方法的思维
过程,并具有良好的通用性。
一,系统设计的基本思想和关键技术
人工智能中,把应用相似原理作预报的思
维过程称之为类比推理。其基本准则是:当两
个或两类事物在许多属性上都相同时,可断定
他们在其他一些属性上也相同。
把类比推理的思想移植到计算机上,就可
实现相似预报的人工智能化。在具体的实现中,
需解决以下几个关键技术的处理。
1.选择适当的相似准则
2.通用性和智能性问题的处理
使用的关键技术是采用人工智能中专家系统的思
想,引入元知识的概念加以应用。
采用知识元可解决以下问题,
( 1)使预报系统实现智能化
( 2)使预报系统具有良好的通用性
3.提高推理效率的技术
为了提高推理效率,我们采用了如下两种办
法,
( 1)逐步类比推理法
( 2)相关信息利用法
二,相似预报自动化智能系统的实现
1.系统的基本结构及其功能
整个系统主要由五大部分组成:实时资料采
集处理部件,元知识库,推理机,数据库及
元知识库管理。
( 1)元知识库
元知识库是相似预报元知识的存储器,
其中元知识的水平决定了整个系统的最终预
报能力。
( 2)数据库
数据库是系统的基本信息源,它包括实时数
据库和历史数据库两部分。
( 3)推理机
推理机是类比推理思维过程的具体实现,它
接受元知识的指导利用数据库提供的信息,按照
给定的相似准则,计算有关相似场的相似高度,
最后推理出预报结论。
( 4)元知识库管理
由专家或用户提供知识教授给系统,并由系
统自动编辑成推理机等其它部件能够识别,
应用的形式。
( 5)实时资料采集处理部件
该部件负责采集元知识库中涉及的各相似场
数据。
2.系统的运行机制和工作过程
系统的运行机制如图 9,5。专家或用户建
立历史个例数据库,并通过建立相应的元知
识,再由实时资料采集,处理接口采集基本
气象数据并作必要的加工处理后输给实时数
据库。在此基础上,推理机启动本身的推理
机制,应用元知识库中的元知识,对实时数
据库和历史个例数据库进行匹配类比,最终
推出预报结果。
第三节
常规中长期天气预报方法的自动化实现
本节介绍某气象中心建立并已投入业务运行
的中长期天气预报业务系统。读者可从中看到此
类系统设计的基本思路和实现的功能,这对于使
用或开发类似系统是有帮助的。
一,系统概况
整个系统由资料库管理系统,因子库管理系
统,预报库管理系统和图形库管理系统四个分系统
组成,是集资料加工处理,因子选取,预报和集成
以及图形输出等诸功能于一体的综合性系统。
系统不但可制作月降水量,月平均气温等常
规项目的预报,还能进行月天气过程,汛期天气,
梅雨以及与平均环流形势的预报,还可输出各种历
史统计资料。
系统采用模块化结构设计。
二,系统的主要功能
1.资料库管理系统
以历史资料库的管理为例,介绍其主要功能。
( 1)说明:对数据文件的名称和存储工人市进行说
明
( 2)目录:给出入库资料内容目录
( 3)建立:输入历史资料,建立新的数据文件
( 4)添加:添加资料到已建立的数据文件中
( 5)删除:删除不需要的数据文件
( 6)显示:在屏幕上按一定格式显示数据文件内容
( 7)打印:在打印机上按一定格式输出数据文件中
的资料
2.因子库管理系统
因子库管理系统主要用于筛选预报因子,建立
因子库
( 1)因子的初选
系统提供了两种初选因子的途径:一是自动初
选因子,即对历史资料库中的相关资料根据不同的
预报对象和预报项目,由计算机自动进行相关普查,
选取相关系数较高的因子入库;二是人工初选因子,
主要根据实际工作中总结的经验指标或根据科研成
果提供的线索来提取因子。
( 2)因子的精选
因子的精选也有两种方法:一是由计算
机根据不同的预报对象,项目,月份从相应
的因子库中选取不同类型的相关资料中相关
系数最高的因子;二是根据预报员的经验从
因子库中人工精选因子。
( 3)实时因子值的提取
制作预报前,待实时资料输入后,用
户选择, 提取, 功能,系统从实时资料数
据库中自动提取预报因子的实时值,存放
到相应的文件中,供制作预报时直接调用。
3.预报库管理系统
该系统的主要功能有,
( 1)资料统计输出
( 2)月天气过程预报
( 3)月降水量和平均气温预报
( 4)年季降水量和气温预报
( 5)汛期降水量预报
( 6)梅雨预报
( 7)环流形势预报
4.图形库管理系统
在系统设计中,将常用的图形,一文件
的方式存储起来,供使用者随时直接调用。
使用结果表明:长期天气预报业务系
统不但改变了长期天气预报的工作方式和
预报手段,提高了长期天气预报业务的自
动化水平和工作效率,使预报员从繁琐的
手工操作中解放出来,而且预报水平也得
到了提高,在气象保障中发挥了重要作用。
本章介绍几种中长期天气预报自动
化系统的一般情况, 着重介绍其实现的
基本思路和所采用的技术 。
第一节 中长期天气预报专家系统
专家系统是 60 年代中期以来人工智能中应用最
广, 研究最活跃 。 发展最迅速的一个分支 。 从专家
系统诞生至今的近 30年中, 由于其优良的性能和
在实践中发挥的明显经济效益与社会效益, 使其风
靡世界, 成为各国都十分关注的热门学科 。 我国气
象部门于 70年代末开始在天气预报中引进人工智
能技术, 并在 80年代中期以后得到迅速发展, 各
种类型的气象预报专家系统 ( Weather Forecasting
Expert System,简称 WFES) 相继开发成功, 在天
气预报, 包括中长期天气预报业务中发挥了重要作
用 。
象预报专气家系统是以气象专家的预报知识为基
础, 能模拟气象专家的预报思路和策略, 解决气象
预报问题的计算机人工智能系统 。 它是计算机科学,
人工智能, 思维科学, 气象科学等多学科发展和结
合的产物 。
中长期天气预报专家系统 ( MLES) 则是以中长
期天气预报专家的预报知识为基础, 能模拟气象专
家的预报思路和策略, 解决中长期天气预报问题的
计算机人工智能系统 。 它是气象预报专家系统的一
种, 与其它气象预报专家系统的区别主要在于预报
项目的不同, 且这种区别主要反映在知识库中存放
的知识内容和推理所需的数据内容上 。 因此, 下面
介绍的 MLES虽是针对长期天气预报的, 但不失一
般气象预报专家系统的基本特征 。
一,MLES的结构
一般 MLES主要由以下五部分组
成:知识库;推理机;数据库;知识
获取部件;解释部件 。
1.知识库
知识库知识库是系统的记忆体,预报知
识的存储器,它存放以一定形式(如产生式)
表示的关于中长期天气预报问题的专门知识,
主要供推理决策使用。 WFES与其它专家系统
的差别,主要就在知识库的具体内容上。
要建立一个知识库, 首先要从预报专家那里吸取
知识, 或通过系统本身的学习机制获得知识, 这就
是知识获取过程 。 而后再将获得的知识以一的形式
进行编排存入计算机中形成知识库, 这种知识编排
就是所谓知识表达问题 。 由此可见, 一个高质量的
知识库主要取决于两个因素:一是能否获取到高水
平的知识;二是能否用适当的形式把获取的知识精
确, 有效, 简明地表达出来 。
2.推理机
推理机是专家系统的核心, 是一个具有推理策
略的控制机制 。 它负责使用求解当前具体问题的有
关数据信息, 识别和选取知识库中当前问题可用的
知识并进行推理, 最终的出问题求解结果 。
推理机的控制策略, 常用的有数据驱动的正
向推理, 目标驱动和正向推理与反向结合的混合
推理三种方式 。 少数系统已采用元控制方式 。 推
理机的性能关系到工作的效果和效率, 一个良好
的控制策略将保证知识愚弄的正确性和显著地节
省毅力时间 。 推理控制策略的选择常与庄稼系统
求解的具体问题的类型有关, 由于气象预报问题
具有大信息量的特点, 以及预报对象通常是可以
转化为发生与否的判断预报, 因此, WFES多数
才应反向推理或正向混合推理方式, MLES也不例
外 。
3.数据库
数据库用于存放历史的和当前的各种气象数据
及体力得到的各种中间结果,即数据库一般包括历
史数据库和当前数据库两部分。
( 1) 历史数据库
WFES中存放的历史气象资料的具体内容视系统的预
报对象而定, MLES中, 通常存有中期数值预报产品, 侯,
旬, 月, 年, 或多年的平均高度场, 气压场, 温度场, 风
场, 海温场和其它与中长期天气过程有关的资料, 以及对
应出现的实况天气资料 。 用它可做历史气候资料的统计,
查询, 环流型划分以及验证气象专家提供的经验知识等,
它也是进行机器自动获取知识所必须依靠的基本事实 。 历
史数据库虽然作用很广, 但对于某一种特定系统来说, 它
并不是非有不可的 。 当然, 如果在知识库中含有相似预报
之类的知识时, 有要从大量历史资料中寻找相似形势, 那
么此类系统中的历史数据就必不可少了 。
( 2) 当前数据库
当前数据库存储解决问题所需的初始证据和推
理过程中得到的各种中间信息, 即存放根据输入的
初始资料获得的已知事实, 用户回答的事实和推理
而得到的事实 —— 系统当前要解决的问题的一些事
实 。
当前数据库直接为推理机服务并随时接受推理
机的推理结果, 它与知识库一起共同构成推理所需
的信息源 。
4.知识获取部件
知识获取部件的主要功能,是能修改知识库中
原有的知识和扩充新的知识。一个比较完善的知识
获取部件包括三方面的内容,
( 1)用户根据需要,可以方便地对知识库中原
有知识进行删除,修改或增加新知识。
( 2) 系统根据实际的运行结果, 并通过用户对
系统每次求解的反馈信息, 知识获取机制能发现原
来的某些知识有错误或需要增加新知识, 能自动地
删除明显错误的知识或自动地总结归纳出新知识并
追加到知识库中, 从而使知识库中的知识不断充实
和完善 。
( 3) 利用历史数据库中的历史资料, 知识获取
机制自动地将获取的知识加入知识库中, 其中包括
对专家提供的知识进行验证和精选 。 这一功能部分
地代替了在知识库建造过程中专家和知识工程师的
工作 。
5.解释部件
解释部件的主要功能是回答用户对系统的提问,
对系统的出结论的推理过程或系统的当前求解状态
提供说明 。 同时, 解释功能也反映了系统的教学
能力, 它使天气预报专业人员或初学天气预报者能
得到问题求解过程的直观学习 。
显然,解释部件工作时要运用知识库中的知识和推
理机的工作结果。
二,MLES的工作原理
一个具有上述结构的 MLES,它的工作原理如图
9.1所示 。
以采用反向推理控制策略的工作过程为例 。 当系统
通过人机接口部件接受到个一个具体预报问题后,
就要寻找支持该假设结论的证据 。 途径是在知识库
中找出与解决该预报问题有关的所有知识, 并通过
人机接口或当前数据库获取反映当前气象状况的有
资料信息, 推理机运用这些知识和信息, 模拟中长
期天气预报专家的预报思路进行推理决策, 最后得
出预报结论 。
对推理得到的预报结论,除通过人机接口
部件告诉用户外,同时在系统内部通知知识
获取部件,告诉其推理结论和所依据的知识。
当被预报时段的天气实况出现并被输入系统
后,知识获取部件依据一定的学习方法,地
知识库中原有的知识进行修 改或扩充。
综上所述可知,MLES的工作过程是以推
理机的工作为中心进行的,整个系统在控制
策略的控制下运行,系统的各个组成部分围
绕这着所要解决的具体预报问题,在推理机
的协调下形成统一的整体。因此,一个性能
优良的系统,不但需要高效率的,能充分体
现预报专家思维方式的推理机制和高水平的
知识库,而且要求各组成部分的高度协调一
致。所以,MLES的建立需要知识工程师与气
象专家的通力合作。
三,知识库的建立
知识库一般要经过知识的获取,知识的
表示和知识库中内部表达的实现三个基本
过程,下面分别介绍。
1.知识的获取
知识获取过程是一个将知识源向计算机
程序转移的过程。知识源主要指的是人类
的领域专家,但也可以是书本或其它资料。
知识获取过程包括知识建立前的搜集,整
理并形式化为机器能够表示的最简单形式,
以及知识库建立后对知识的修正和补充。
知识获取的方式主要有两大类:一是人工
方式,也叫编辑方式,即由专家总结,提供知
识,用编辑的方式将专家知识写入知识库,并
根据专家的意见修改知识库的内容;二是自动
或半自动方式,也叫机器学习,即模仿人类专
家总结经验,知识的思维方法,根据历史气象
资料,由机器自动或半自动地总结出预报知识,
自动写入知识库,并能根据系统的工作结果,
自动或半自动地修正,完善知识库 中的知识。
人工方式获取知识的工作过程大体
上要经过以下六个阶段;
( 1)准备阶段
准备阶段一般要做以下工作,
A.确定预报目标
B.收集历史资料
( 2)知识搜集阶段
A.从书本上找
B.专家或有经验的老预报员提供
C.临时总结
( 3)形式化阶段
把收集到的知识用下述方法表达成统一的
机器能识别的形式,并把 概念不清晰的知识加
以清晰化,包括将用图形图象表达的图象型知识
作特征化处理,
( 4)知识化简阶段
去掉重复的,表达不简练的知识,使输入知识库
的知识更为简洁,并能节省存储空间,提高推理
速度,
( 5)知识检验阶段
对化简后的知识通常还应用历史资料进行验证,
去掉或修正那些专家自认为可用而实际并不可
靠的知识,并计算出每条知识的可信度。
( 6)完善阶段
根据系统运行结果和实况反馈,地知识库内容
进行修改。此工作在系统使用过程中应定期反
复进行。
2.知识的表示
知识表示是知识处理的核心之一,也是 AI
中研究的重点内容之一。
在现有的各类气象预报专家系统中,目前
较成熟的几种表示方法 —— 产生式表示法,逻
辑表示法,语义网络表示法,框架表示法等。
但用得最普遍的,对中长期天气预报知识较适
用的还是产生式表示法。故下面 仅对知识的产
生式表示法作一介绍。
产生式表示法也叫规则表示法,一条知识
用产生式表示后称为一条产生式规则,简称规
则。它由条件和结论两个基本部分构成,其一
般形式为,
IF提前 THEN结论
其中, 提前, 和, 结论, 都可由多个能用陈述
性语言描述的事物组成,且事物与事物之间可
以是 and也可以是 or关系,即
IF提前 1and提前 2and( or) … 提前 m
THEN结论 1and( or)结论 2and( or)… 结论 k
且常用 RULEn来表示第 n条规则的规则名(序
号)。
三,知识在知识库中内部表达的实现
实现方式可分为两大类,一是程序方式,
而是文件方式,下面分别介绍,
( 1)程序方式
程序方式就是将规则直接用某种高级语言来写,
比如 LISP,PRLOG语言,它们都有较强的符号
处理能力。
用程序方式表示规则时,推理机等其它不见的
设计也要采用相应的语言。
( 2)文件方式
此方式把知识作为特殊的, 数据,,以文件方
式存取,且用随机文件或顺序文件方式均可。
四,推理控制策略及其实现
推理是实现专家系统功能的一个核心问
题。在专家系统中,推理是以知识库中的知
识为基础的,故称为基于知识的推理。
推理过程的控制策略包括推理路线的控
制策略和知识的搜索策略。下面着重介绍推
理路线策略的控制策略。
数据驱动的控制策略,目标驱动的控制
策略和混合控制策略,是推理路线控制的三
种基本策略。
1.数据驱动的控制策略
基本思想是:从已有的基本事实出发,
正向使用知识库中的知识(规则),当规
则的提前与当前数据库中的以有事实匹配
时,该规则为可用规则,然后根据知识选
择的搜索策略在可用规则中选取一条启用
规则,启用规则的右边就是推得的新事实,
从而引起新的规则的匹配,如此不断进行
下去,直到没有可用规则或求得了所要求
的解为止。
2.目标驱动的控制策略
基本思想是:先提出一个假设目标,然后
去寻找支持这个假设结论的证据,即在知识
库中查找出该结论的规则集,若规则集中的
某条规则的所有前提 都得到证实,则执行这
条规则就证实了提出的假设;否则,把该规
则的前提作为子目标,递归执行上述过程,
直到各:与, 关系的子目标中有一个被证实
时,总目标即被求解,或者直到子目标不能
进一步分解且不能被证实时,宣告原假设为
假。
3.混合控制策略
基本思想:先在当前数据库中输入一
些基本事实,通过数据驱动帮助系统提出
假设目标,然后再运用目标驱动进一步寻
找支持的证据,并可反复进行这些过程。
这样几既可以避免目标驱动中初始目标选
择的盲目性,也克服了数据驱动中推理的
盲目性,使两种驱动得到的相互补充。
第二节 相似预报自动化智能系统
本节介绍一套适用于中长期天气预
报的相似预报自动化智能系统,它采用
了人工智能技术,实现的系统更完善地
模拟了预报员使用相似预报方法的思维
过程,并具有良好的通用性。
一,系统设计的基本思想和关键技术
人工智能中,把应用相似原理作预报的思
维过程称之为类比推理。其基本准则是:当两
个或两类事物在许多属性上都相同时,可断定
他们在其他一些属性上也相同。
把类比推理的思想移植到计算机上,就可
实现相似预报的人工智能化。在具体的实现中,
需解决以下几个关键技术的处理。
1.选择适当的相似准则
2.通用性和智能性问题的处理
使用的关键技术是采用人工智能中专家系统的思
想,引入元知识的概念加以应用。
采用知识元可解决以下问题,
( 1)使预报系统实现智能化
( 2)使预报系统具有良好的通用性
3.提高推理效率的技术
为了提高推理效率,我们采用了如下两种办
法,
( 1)逐步类比推理法
( 2)相关信息利用法
二,相似预报自动化智能系统的实现
1.系统的基本结构及其功能
整个系统主要由五大部分组成:实时资料采
集处理部件,元知识库,推理机,数据库及
元知识库管理。
( 1)元知识库
元知识库是相似预报元知识的存储器,
其中元知识的水平决定了整个系统的最终预
报能力。
( 2)数据库
数据库是系统的基本信息源,它包括实时数
据库和历史数据库两部分。
( 3)推理机
推理机是类比推理思维过程的具体实现,它
接受元知识的指导利用数据库提供的信息,按照
给定的相似准则,计算有关相似场的相似高度,
最后推理出预报结论。
( 4)元知识库管理
由专家或用户提供知识教授给系统,并由系
统自动编辑成推理机等其它部件能够识别,
应用的形式。
( 5)实时资料采集处理部件
该部件负责采集元知识库中涉及的各相似场
数据。
2.系统的运行机制和工作过程
系统的运行机制如图 9,5。专家或用户建
立历史个例数据库,并通过建立相应的元知
识,再由实时资料采集,处理接口采集基本
气象数据并作必要的加工处理后输给实时数
据库。在此基础上,推理机启动本身的推理
机制,应用元知识库中的元知识,对实时数
据库和历史个例数据库进行匹配类比,最终
推出预报结果。
第三节
常规中长期天气预报方法的自动化实现
本节介绍某气象中心建立并已投入业务运行
的中长期天气预报业务系统。读者可从中看到此
类系统设计的基本思路和实现的功能,这对于使
用或开发类似系统是有帮助的。
一,系统概况
整个系统由资料库管理系统,因子库管理系
统,预报库管理系统和图形库管理系统四个分系统
组成,是集资料加工处理,因子选取,预报和集成
以及图形输出等诸功能于一体的综合性系统。
系统不但可制作月降水量,月平均气温等常
规项目的预报,还能进行月天气过程,汛期天气,
梅雨以及与平均环流形势的预报,还可输出各种历
史统计资料。
系统采用模块化结构设计。
二,系统的主要功能
1.资料库管理系统
以历史资料库的管理为例,介绍其主要功能。
( 1)说明:对数据文件的名称和存储工人市进行说
明
( 2)目录:给出入库资料内容目录
( 3)建立:输入历史资料,建立新的数据文件
( 4)添加:添加资料到已建立的数据文件中
( 5)删除:删除不需要的数据文件
( 6)显示:在屏幕上按一定格式显示数据文件内容
( 7)打印:在打印机上按一定格式输出数据文件中
的资料
2.因子库管理系统
因子库管理系统主要用于筛选预报因子,建立
因子库
( 1)因子的初选
系统提供了两种初选因子的途径:一是自动初
选因子,即对历史资料库中的相关资料根据不同的
预报对象和预报项目,由计算机自动进行相关普查,
选取相关系数较高的因子入库;二是人工初选因子,
主要根据实际工作中总结的经验指标或根据科研成
果提供的线索来提取因子。
( 2)因子的精选
因子的精选也有两种方法:一是由计算
机根据不同的预报对象,项目,月份从相应
的因子库中选取不同类型的相关资料中相关
系数最高的因子;二是根据预报员的经验从
因子库中人工精选因子。
( 3)实时因子值的提取
制作预报前,待实时资料输入后,用
户选择, 提取, 功能,系统从实时资料数
据库中自动提取预报因子的实时值,存放
到相应的文件中,供制作预报时直接调用。
3.预报库管理系统
该系统的主要功能有,
( 1)资料统计输出
( 2)月天气过程预报
( 3)月降水量和平均气温预报
( 4)年季降水量和气温预报
( 5)汛期降水量预报
( 6)梅雨预报
( 7)环流形势预报
4.图形库管理系统
在系统设计中,将常用的图形,一文件
的方式存储起来,供使用者随时直接调用。
使用结果表明:长期天气预报业务系
统不但改变了长期天气预报的工作方式和
预报手段,提高了长期天气预报业务的自
动化水平和工作效率,使预报员从繁琐的
手工操作中解放出来,而且预报水平也得
到了提高,在气象保障中发挥了重要作用。