机器在霜冻预报中的应用外文翻译资料

 2022-12-22 17:23:59

FROSTensp;PREDICTIONensp;WITHensp;MACHINEensp;LEARNINGensp;TECHNIQUES

P.ensp;F.ensp;Verdes,ensp;P.ensp;M.ensp;Granitto,ensp;H.ensp;D.ensp;Navone,ensp;andensp;H.ensp;A.ensp;Ceccatto Institutoensp;deensp;Fiacute;sicaensp;Rosarioensp;(CONICET-UNR)Bvard.ensp;27ensp;deensp;Febreroensp;210ensp;Bis,ensp;2000ensp;Rosario,ensp;Argentina

ABSTRACT:ensp;Frostensp;isensp;theensp;conditionensp;thatensp;existsensp;whenensp;theensp;temperatureensp;ofensp;theensp;earthsensp;surfaceensp;andearthboundensp;objectsensp;fallsensp;belowensp;freezingensp;(0°C).ensp;Theseensp;eventsensp;mayensp;haveensp;seriousensp;consequencesensp;oncropensp;production,ensp;soensp;actionsensp;mustensp;beensp;takenensp;toensp;minimizeensp;damagingensp;effects.ensp;Inensp;particular,ensp;temperaturepredictionsensp;areensp;ofensp;muchensp;helpensp;inensp;frostensp;protectionensp;decisionsensp;byensp;providingensp;theensp;hortoculturistensp;withwarningsensp;ofensp;criticalensp;temperatures.ensp;Consequently,ensp;reliableensp;temperatureensp;predictionensp;methodsensp;wouldensp;beofensp;significantensp;economicensp;value.ensp;Theseensp;methodsensp;areensp;usuallyensp;empiricalensp;formulaeensp;basedensp;onensp;significantcorrelationsensp;betweenensp;theensp;minimumensp;temperatureensp;observedensp;towardsensp;theensp;endensp;ofensp;theensp;nightensp;andensp;oneensp;orseveralensp;meteorologicalensp;variablesensp;measuredensp;atensp;leastensp;severalensp;hoursensp;beforeensp;thisensp;minimumensp;isensp;reached.Theseensp;empiricalensp;regressionsensp;employensp;antecedentensp;airensp;temperature,ensp;variousensp;humidityensp;measures,ensp;windspeedensp;andensp;cloudensp;coverensp;values.ensp;Inensp;thisensp;workensp;weensp;exploreensp;theensp;possibilityensp;ofensp;developingensp;anensp;empiricalpredictionensp;systemensp;forensp;frostensp;protectionensp;ofensp;fruitsensp;andensp;vegetablesensp;inensp;theensp;southernensp;partensp;ofensp;theensp;Santaensp;Feprovinceensp;inensp;Argentina,ensp;inensp;theensp;regionensp;coveredensp;byensp;theensp;agrometeorologicalensp;stationensp;locatedensp;atensp;Zavalla(33°01′S,ensp;60°53′W).ensp;Toensp;thisensp;endensp;weensp;considerensp;aensp;handfulensp;ofensp;Machineensp;Learningensp;techniquesensp;usuallyemployedensp;inensp;regressionensp;andensp;classificationensp;problems,ensp;includingensp;Artificialensp;Neuralensp;Networks,ensp;SimpleBayesensp;classifiersensp;andensp;k-Nearestensp;Neighbors.ensp;Theensp;resultsensp;obtainedensp;inensp;thisensp;preliminaryensp;studyensp;revealensp;averyensp;noisyensp;structureensp;ofensp;theensp;dataensp;thatensp;allowsensp;forensp;onlyensp;aensp;slightensp;improvementensp;inensp;performanceensp;ofensp;someensp;oftheseensp;moreensp;sophisticatedensp;nonlinearensp;techniquesensp;overensp;theensp;standardensp;(linear)ensp;multivariateensp;regressionequations.

KEYWORDS:ensp;Frostensp;Prediction,ensp;ensp;Machineensp;Learning,ensp;Regression,ensp;Classification

INTRODUCTION

Frostensp;isensp;definedensp;inensp;theensp;Glossaryensp;ofensp;Meteorologyensp;asensp;theensp;conditionensp;thatensp;existsensp;whenensp;theensp;temperatureensp;oftheensp;earthsensp;surfaceensp;andensp;earthboundensp;objectsensp;fallsensp;belowensp;freezingensp;(0°C).ensp;Theseensp;eventsensp;areensp;usuallyclassifiedensp;asensp;advectiveensp;orensp;radiationensp;frostsensp;orensp;asensp;aensp;combinationensp;ofensp;theseensp;twoensp;typesensp;[1].ensp;Advectivefrostsensp;developensp;duringensp;dayensp;orensp;nightensp;asensp;aensp;resultensp;ofensp;aensp;large-scaleensp;incursionensp;ofensp;coldensp;air,ensp;oftenensp;fromensp;polarregions,ensp;andensp;areensp;characterizedensp;byensp;moderateensp;toensp;strongensp;windsensp;andensp;aensp;well-mixedensp;atmosphere.ensp;Radiationfrostsensp;occurensp;atensp;nightensp;andensp;resultensp;fromensp;intense,ensp;longwaveensp;radiationensp;coolingensp;underensp;calm,ensp;clearensp;andensp;dryatmosphericensp;conditions.ensp;Inensp;thisensp;caseensp;theensp;terrestrialensp;radiationensp;toensp;spaceensp;isensp;relativelyensp;unimpededbecauseensp;ofensp;theensp;absenceensp;ofensp;cloudsensp;andensp;heavyensp;concentrationensp;ofensp;waterensp;vapor,ensp;andensp;strongensp;surfaceinversionsensp;developensp;inensp;theensp;stableensp;atmosphere.

Temperatureensp;isensp;oneensp;ofensp;theensp;primaryensp;factorsensp;influencingensp;plantensp;growthensp;andensp;itsensp;geographicaldistribution.ensp;Inensp;particular,ensp;frostsensp;mayensp;haveensp;seriousensp;effectsensp;onensp;cropensp;production.ensp;Theensp;minimumtemperatureensp;belowensp;whichensp;damageensp;isensp;causedensp;variesensp;withensp;plantensp;speciesensp;andensp;withensp;growthensp;stageensp;forensp;agivenensp;plantensp;[2].ensp;Forensp;advectiveensp;frostsensp;theensp;temperatureensp;ofensp;theensp;airensp;massensp;mayensp;beensp;wellensp;belowensp;0°Censp;andensp;alarge-scaleensp;protectiveensp;actionensp;isensp;oftenensp;notensp;feasible.ensp;Theseensp;frostsensp;areensp;anensp;agriculturalensp;problemensp;onlyensp;inhighensp;latitudeensp;regionsensp;andensp;atensp;highensp;elevationensp;elsewhere.ensp;Radiationensp;frostsensp;areensp;particularlyensp;dangerousensp;foragricultureensp;andensp;horticultureensp;inensp;regionsensp;betweenensp;15°Sensp;andensp;40°Sensp;andensp;betweenensp;12°Nensp;andensp;40°N,ensp;whererelativelyensp;infrequentensp;shortensp;durationensp;eventsensp;mayensp;causeensp;significantensp;losses.ensp;Actionsensp;mustensp;beensp;takenensp;intheensp;planningensp;andensp;operationalensp;stagesensp;ofensp;agricultureensp;toensp;minimizeensp;suchensp;damagingensp;effects.ensp;Aensp;wideensp;rangeofensp;techniquesensp;isensp;usedensp;inensp;agriculture,ensp;andensp;particularlyensp;inensp;horticulture,ensp;toensp;optimizeensp;theensp;physicalensp;cropenvironmentensp;byensp;alteringensp;theensp;thermalensp;regimeensp;ofensp;theensp;airensp;layerensp;nearensp;theensp;groundensp;andensp;byensp;reducingensp;long-waveensp;radiationensp;lossensp;fromensp;soilensp;andensp;plantsensp;[1,2].ensp;Heaters,ensp;burningensp;solid,ensp;liquidensp;orensp;gaseousensp;fuels,modifyensp;theensp;cropensp;environmentensp;byensp;internalensp;generationensp;ofensp;heat.ensp;Windensp;machinesensp;consistingensp;ofensp;largeensp;fansonensp;towersensp;produceensp;aensp;mixingensp;ofensp;coldensp;airensp;withinensp;anensp;orchardensp;withensp;theensp;warmerensp;airensp;aloft.ensp;Theyensp;changeensp;thesensibleensp;heatensp;fluxesensp;atensp;theensp;topensp;ofensp;theensp;box.ensp;Theensp;useensp;ofensp;artificialensp;fogensp;isensp;aimedensp;atensp;reducingensp;theensp;longwaveradiationensp;lossensp;toensp;theensp;sky.ensp;Finally,ensp;irrigationensp;withensp;overheadensp;sprinklersensp;addsensp;toensp;theensp;cropensp;surfaceensp;thefusionensp;heatensp;releasedensp;fromensp;theensp;freezingensp;ice-waterensp;filmensp;onensp;theensp;plantensp;surfaces.ensp;Sprinklerensp;irrigationchangesensp;theensp;latentensp;andensp;sensibleensp;heatensp;transferensp;betweenensp;theensp;cropensp;surfaceensp;andensp;theensp;airensp;inensp;theensp;box.ensp;Itensp;mustbeensp;stressed,ensp;however,ensp;thatensp;mostensp;ofensp;theseensp;activeensp;methodsensp;forensp;frostensp;protectionensp;haveensp;significantensp;energyrequirements.

Temperatureensp;predictionsensp;aidensp;inensp;frostensp;protectionensp;decisionsensp;byensp;providingensp;theensp;hortoculturistensp;withwarningsensp;ofensp;criticalensp;temperatures.ensp;Besidesensp;theensp;negativeensp;environmentalensp;impact,ensp;theensp;highensp;costensp;ofheatingensp;oilensp;andensp;windensp;machineensp;fuel,ensp;andensp;theensp;useensp;ofensp;limitedensp;waterensp;resourcesensp;areensp;incentivesensp;toensp;conservetheseensp;resources,ensp;andensp;readilyensp;availableensp;temperatureensp;predictionsensp;mayensp;helpensp;toensp;saveensp;hoursensp;worthensp;ofensp;fuelorensp;waterensp;consumption.ensp;Frostensp;predictionensp;methodsensp;haveensp;beenensp;reviewedensp;byensp;severalensp;authorsensp;(see,ensp;forinstance,ensp;[3,4]).ensp;Oneensp;usuallyensp;distinguishesensp;betweenensp;empiricalensp;formulaeensp;andensp;semi-empiricalensp;ortheoreticalensp;expressions.ensp;Empiricalensp;formulaeensp;areensp;generallyensp;proposedensp;whenensp;aensp;highensp;correlationensp;isobservedensp;betweenensp;theensp;minimumensp;temperatureensp;observedensp;towardsensp;theensp;endensp;ofensp;theensp;nightensp;andensp;oneensp;orseveralensp;meteorologicalensp;variablesensp;measuredensp;atensp;leastensp;severalensp;hoursensp;beforeensp;thisensp;minimumensp;isensp;reached.Theseensp;empiricalensp;regressionsensp;employensp;antecedentensp;airensp;temperature,ensp;variousensp;humidityensp;measures,ensp;windspeedensp;andensp;cloudensp;coverensp;values.ensp;Theseensp;valuesensp;areensp;obtainedensp;atensp;fixedensp;times,ensp;oftenensp;atensp;sunsetensp;orensp;atensp;aensp;timewhenensp;theensp;variablesensp;doensp;notensp;changeensp;tooensp;rapidly.ensp;Cellier[4]ensp;givesensp;aensp;usefulensp;summaryensp;ofensp;aensp;wideensp;rangeensp;ofempiricalensp;equationsensp;thatensp;employensp;similarensp;variables.ensp;Theensp;differencesensp;betweenensp;theseensp;equationsensp;indicatethatensp;manyensp;expressionsensp;haveensp;limite

剩余内容已隐藏，支付完成后下载完整资料

本科生毕业论文(设计)文献翻译


2019年3月31日星期日

机器在霜冻预报中的应用

P. F. Verdes, P. M. Granitto, H. D. Navone, and H. A. Ceccatto

Instituto de Fiacute;sica Rosario (CONICET-UNR)

Bvard. 27 de Febrero 210 Bis, 2000 Rosario, Argentina

摘要：霜冻是当地球表面的物体的温度降到冰点以下（0℃）时存在的气象现象。霜冻可能对作物生产造成严重后果，因此必须采取行动尽量减少其破坏性影响。尤其是，温度的预测对出防霜冻的决策有很大的帮助，因为它可以提供临界温度的警告。因此，可靠的温度预测方法具有重要的经济价值。这些方法通常是基于晚上末观测到的最低温度与一个或几个气象变量之间的显着相关性而建立的经验公式。这些经验回归采用了空气温度、各种湿度测量、风速和云量值。在本工作中，我们探讨了在阿根廷圣达菲省南部，在Zavalla(33°01′S，60°53′W)农业气象站覆盖的地区开发果蔬防冻经验预报系统的可能性。为此，我们考虑了回归和分类问题中常用的几种机器学习技术，包括人工神经网络、简单贝叶斯分类器和k近邻。这项初步研究的结果揭示了一个非常嘈杂的数据结构，只允许一些更复杂的非线性技术比标准(线性)多元回归方程的性能略有改善。

关键词：霜冻预测，机器学习，回归，分类

一、引言

在气象学术语中，霜被定义为当地球表面和地面物体的温度降到冰点(0℃)以下时存在的条件。这些事件通常被归类为平流或辐射霜或这两种类型的组合[1]。平流霜冻在白天或夜间由于冷空气的大规模侵入而发展，通常来自极地地区，其特点是中强风和大气良好的混合。

辐射霜发生在夜间，是在平静、晴朗和干燥的大气条件下，由强烈的长波辐射冷却造成的。在这种情况下，由于没有云和高浓度的水蒸气，地面对空间的辐射相对不受阻碍，在稳定的大气中形成了强烈的地表倒转。

温度是影响植物生长和地理分布的主要因素之一。特别是，霜冻可能对作物生产产生严重影响。造成损害的最低温度因植物种类和特定植物的生长阶段而异[2]。对于平流霜冻，气团温度可能远低于0℃，大规模的保护作用往往是不可行的。这些霜冻只在高纬度地区和其他地区的高海拔地区是一个农业问题。 在15°S至40°S和12°N至40°N之间的地区，辐射霜冻对农业和园艺尤其危险，在这些地区，较少发生的短期事件可能造成重大损失。必须在农业的规划和运作阶段采取行动，尽量减少这种破坏性影响。广泛的技术被用于农业，特别是园艺，通过改变地面附近空气层的热状态和减少土壤和植物的长波辐射损失来优化物理作物环境[1，2]。加热器，燃烧固体、液体或气态燃料，通过内部产生热量来改变作物环境。由塔上的大风扇组成的风机在果园内产生冷空气和较温暖的空气混合在一起。它们改变盒子顶部的显热通量。使用人工雾的目的是减少长波辐射对天空的损失。最后，头顶喷头灌溉增加了作物表面从植物表面冻结冰水膜释放的融合热。喷灌改变了作物表面与箱内空气之间的潜热和感热传递。但是，必须强调的是，大多数这些有效的防冻方法都需要大量的能量。

温度预测通过向钟表学家提供临界温度的警告来帮助进行防冻决策。除了不利的环境影响外，取暖油和风力机燃料的高昂成本以及有限水资源的使用都是保护这些资源的激励因素，而现成的温度预测可能有助于节省燃料或水消耗的时数。几位作者对霜冻预测方法进行了回 顾(例如，见[3，4])。

人们通常区分经验公式和半经验或理论表达式。当观察到接近夜晚结束时的最低温度与至少在这个最小值达到前几小时测量的一个或几个气象变量之间存在很高的相关性时，通常会提出经验公式。这些经验回归采用了空气温度、各种湿度测量、风速和云量值。

这些值是在固定时间获得的，通常是在日落或变量变化不太快的时候。Cellier[4]对使用相似变量的大量经验方程进行了有益的总结。这些方程之间的差异表明，许多表达式的一般适用性有限。一般说来，这种经验式如果能被熟悉当地情况的有能力的气象学家使用，可能会产生令人满意的结果。另一方面，半经验/理论表达式是通过对表面附近能量平衡和传热过程的简单分析得到的。在任何情况下，可靠的霜冻预报方法对防冻决策问题都具有重要的经济价值[5]。

本工作旨在探讨在阿根廷圣达菲省南部，在Zavalla(33°01′S，60°53′W)农业气象站覆盖的地区开发果蔬防冻经验预报系统的可能性。为此，我们将考虑回归和分类问题中常用的几种机器学习技术，包括人工神经网络(ANN)、简单Bayes(SB)分类器和k-最近邻(k-NN)[6]。

这一初步研究的结果表明，数据的结构非常嘈杂，相对于标准(线性)多元回归方程而言，这些更为复杂的非线性技术的性能只会略有改善。对这一问题的进一步研究应包括使用本研究所没有的最新数据，以及最重要的是，有助于提取更准确的非线性信息的新的预测变量。这项工作安排如下。首先，在第二节，我们提出了一个简短的时间序列分析的数据，将有助于选择合适的温度预测。

然后，在第三节中我们描述了所使用的预测方法，在第四节中我们讨论了所得到的结果。最后，在第五节中我们得出了一些结论。

二、最低温度时间序列分析

为了消除最低温度时间序列中的季节变化，我们利用所有可用的寄存器(1973-1989年期间的日值)获得了平均年波。然后，我们用正弦定律拟合这个年波，这是近似于太阳辐照度的行为，最后从原始数据中减去它(见图1)。 为了确定残差序列是否具有确定性成分或纯粹的随机性质，我们生成了19个代数函数，即具有相同傅里叶功率谱但具有随机相位的序列，并检验了残差序列只是一个线性平稳高斯随机过程的零假设[7]。 然而，在这种情况下，对于原始序列的预测误差小于仅对嵌入维D=2，3的代理项的预测误差，对于较大的D，这种行为在自相关序列中被观察到，它们的趋势具有持久性，因此它不能被看作是决定论的明显特征[8]。因此，我们假设最低温度记录对应于一些随机过程，并寻找合适的预测变量。

除最低气温时间序列外，每日记录(下午8点)。在其他四个表面变量(湿球温度、干球温度、云量和风强度)中也有。为了确定可能的预测因子，我们研究了最小温度与这些表面变量之间的相关性。 最后，我们选择了最小温度大于0.2的n阶相关变量，这一阈值优化了下一节描述的预测方法的性能。这个标准过滤了以下预测变量：晚上8点湿和干球温度和云量。前一天的最低气温和前两天的最低气温(去季节化的温度序列保持了相当大的持久性，两步自相关约为0.35)。 然而，请注意，这种分析是基于序列之间的线性相关性；更复杂的分析应该使用基于相互信息的非线性准则[9]。

图1：平均年波，对应最小、湿球和干球温度。整条线都是用正弦定律拟合的。

三、预测方法

如导言所述，我们将考虑三种不同的预报方法：人工神经网络(ANN)、简单贝叶斯(SB)分类器和k近邻(k-NN)，在所有情况下都使用上一节中选择的相同的预测变量。 此外，我们将试图仅以两种不同的方式预测夜间气温是否会降至0℃(霜冻)以下-一种二元分类任务：一是首先预测最低温度值-一个标准回归问题-然后将答案转化为霜冻-无霜冻预测，二)从一开始就将问题作为分类任务来处理。在下面，我们简要地描述了所使用的技术；对这些方法的一个很好的介绍可以在[6]中找到。ANN是时间序列分析和预测中具有重要意义的计算结构[10]。 近年来，它们被应用于许多问题，包括混沌映射的合成数据[11]、与大气和气候现象有关的真实世界时间序列[12]、经济指标[13]等。 在我们的情况下，我们首先训练前馈神经网络有5个输入单元(对应于所使用的5个预测变量)，1个输出单元(用于温度预测)，另一个是2到50个隐藏单元。 网络在学习过程中使用二次误差作为代价函数，在学习过程中学习映射预测变量-最小温度，将输出转换为二进制霜冻-无霜解。在下一节中，我们将给出与5：30：1网络相对应的结果，但是性能只取决于隐藏单元的数量。 另外，我们在输出单元中使用Softmax激活函数和交叉熵代价函数训练人工神经网络，将其直接作为分类任务来处理[6]。在这种情况下，给出的结果对应于有两个隐单元的网络。接下来，我们将分别用NR(用于神经回归)和NC(对于神经分类器)来识别这两种方法的结果。

SB(也称朴素贝叶斯)是一种基于概率描述的简单技术，如果用于分类模式的属性X=(X1，X2,...Xd)是独立的，则这种描述对于监督学习是最优的。在这种情况下，类条件概率分解，P(x=C)=prod;i=1，dP(xi=C)，以及P(xi=C)与正态分布的简单拟合在大多数情况下都得到了很好的结果。尽管独立条件几乎总是被违反，但这种方法往往仍然与更复杂的技术竞争[14]。在这里，我们将看到，尽管它很简单，但在这个问题上，某人是非常有竞争力的。

在基于实例的k-NN方法中，搜索数据库中类似于当前系统的k个状态，并利用与这些相似情况相对应的已知结果的适当组合进行温度预测。在我们的实现中，我们考虑了两种不同的查找过去状态的方法：一是标准k-NN的标准方法(Sk，标准k-NN)，在这种方法中，用来寻找最近邻居的度量对所有预测因子的权重相等，(2)一个变体，其中我们使用了一个度量，根据它与最低温度时间序列的相关性来衡量每个预测变量。 由于所有记录以前都被归一化为一个具有零均值和标准差sigma;=1的序列，最后一个过程(称为Mk，用于修正的k-NN)自然引入了考虑不同预测因子的相对重要性的方法。在最后一种情况下，利用k～100近邻态得到了较好的结果。然而，正如我们将在下一节中讨论的那样，该技术提供的最佳结果对应于对大量邻居(k~1000)的所有预测因子和平均值的相等加权，这基本上恢复了这个问题的标准多元回归结果[15]。

在所有情况下，我们使用了与1973-1989年5月至9月相对应的最低气温和其他地表变量的2601日记录。这一记录在训练和测试中被随机分割，使用75%的训练模式和其余的25%来预测霜冻的发生。我们在这两组中保持相同的霜冻数量与寄存器总数的比率，这与学习集中的1951年记录(包括196次霜冻事件)和650次记录(65次霜冻事件)相对应。阿根廷Zavalla农业气象站提供了数据(西经33°01lsquo;，西经60°53rsquo;)。 下一节将给出上述不同方法的计算结果。

四、结果与分析

在评价结果时，我们考虑了通常的应急表：

表格 1应急表

其中可以定义以下性能指标：

检测概率：POD=a/(A B )

虚警比：Far=c/(A C)

临界成功指数：csi=a/(A B C)

正确百分比：pc=(A D)/(A B C D)

错误检测概率*POFD=c/(C D )，

为了在霜冻预测的基础上评价保护品种的经济影响，应考虑采取经济措施，如E=alpha;POFD beta;(1-POD)。这里的系数alpha;和beta;分别代表了保护植物的成本和由于在霜冻情况下未能保护它们而造成的估计作物损失。当然，可以定义更为复杂的模型[5]，包括那些允许系数随生长阶段的变化而变化的模型。 在所有情况下，由于我们没有可靠的经济信息，所以预测方法应该被选择为最小化E。为了在下面的一些表格中提供一个简单的测度，我们引用了任意系数alpha;=1和beta;=5的E值。

我们最初考虑了两种可能的情况：第一种是与气温下降到0℃以下的严格霜冻预报相对应的情况，第二种是预报温度降到1℃以下的警报指示，表I和II分别是这两种情况的应急表，分别给出了学习和测试的相应结果。此外，表三和表四列出了上述业绩指数的数值。

在所有情况下，我们都包含了所谓的持久预测器(PP)所得到的结果，它对应于断言明天的最低温度将等于今天观测到的最低温度。尽管它的简单性，但对于很大程度上自相关的系列，这个预测器对成功的学习方法的性能设置了一个严格的条件，并在这里作为基线使用。还请注意，SB和NC方法没有应用于第二种场景(警报指示)，因为它们的二进制输出(它们不像其他方法那样作为中间步骤

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21059]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章