23240 (Методы прогноза лавинной опасности), страница 6

1) значения предикторов квантуются на равные интервалы и каждому интервалу присваивается возрастающее с постоянным шагом количество баллов;

2) квантование неравномерное – неравномерное разбиение значений предикторов на интервалы или неравномерная оценка интервалов баллами.

Такое квантование выполняется специалистами на основании собственного опыта и его качество сильно зависит от их квалификации.

Результат суммирования баллов может сравниваться с одним пороговым значением, разделяющим ситуации на лавиноопасные и нелавиноопасные (альтернативный прогноз) или несколькими - определяется степень лавинной опасности.

Правильное определение баллов позволяет делать прогноз (фоновый и локальный) с той же точностью, что и с использованием уравнений.

Балльная система может быть эффективна при оценке пространственного распределения степени лавинной опасности. Такой подход (Lawiprogmodel) с использованием ГИС-технологий предложен для создания Швейцарского снеголавинного бюллетеня [79]. Функция оверлея – наложения друг на друга нескольких слоев, позволяет получить сводные оценки лавинной опасности для разных участков земной поверхности. Степень лавинной опасности участка оценивается произведением баллов, присвоенных действующим факторам. В их число включены: стабильность снежного покрова, определяемая по результатам испытаний (Rutschblock) – от 2 до 10 баллов, экспозиция горного склона, абсолютная высота места и крутизна склона – каждый от 1 до 5 баллов. Веса первых двух факторов изменяются в зависимости от снежно-метеорологической ситуации, значения для оценки влияния других факторов в данной методике неизменны [79].

Степеням опасности по Европейской шкале лавинной опасности соответствуют определенные значения произведений баллов:

5 – 1250, 4 - 1000, 3 -750, 2 - 500, 1 – 250

Результатом моделирования служит генерированная карта прогноза лавинной опасности.

Вес факторов Lawiprog-модели устанавливается экспертами, но, как отмечают авторы, для уточнения значений требуется ее дальнейшая производственная проверка.

Экспертные системы

При наличии разнообразных методов окончательное определение формулировки прогноза лавинной опасности остается за специалистом. Образование, опыт, интуиция, способность оценить неучтенные прогностическими технологиями факторы, выявить ведущий из них на текущий момент позволяют эксперту принимать быстрые и правильные решения. На моделировании процесса принятия экспертом решения основаны получившие в последнее десятилетие распространение в практике прогноза лавинной опасности автоматизированные экспертные системы.

Работа экспертных систем осуществляется в соответствии с правилами, сформулированными специалистами, при этом используется балльная система оценки влияния факторов. Экспертные системы применяются часто в комбинации с другими методами (используются статистические и детерминированные модели). Параллельное и последовательное использование различных методов позволяет получать оптимальные результаты прогноза лавинной опасности [71].

Однако эксперт не всегда способен объяснить свои действия четкими правилами. В таком случае предлагается использование искусственных нейронных сетей [86, 88], имитирующих работу человеческого мозга (ассоциативной памяти человека). К примеру, используется самоорганизующаяся карта признаков Кохонена (SOM, СОК) с алгоритмом обучения "без учителя", в которой нейроны конкурируют друг с другом за право наилучшим образом сочетаться с входным вектором сигналов и побеждает нейрон, чей вектор весов ближе всего к входному вектору сигналов. Веса победившего нейрона и его соседей подстраиваются с учетом входного вектора, т.е присвоение баллов факторам лавинообразования осуществляется компьютером и их величина подвергается коррекции по мере поступления новой информации [91].

Нейросетевой подход особенно эффективен в задачах экспертной оценки по той причине, что он сочетает в себе способность компьютера к обработке чисел и способность мозга к обобщению и распознаванию.

Функциональная схема экспертной системы состоит из следующих блоков [71]:

1. база знаний, включающая данные и сформулированные правила;

2. блок подстановки фактических данных в правила и получения машинного вывода с требуемым результатом;

3. блок толкования результатов;

4. администратор диалога, транслирующий или представляющий результаты;

5. блок сбора данных, интегрирующий в систему успешные результаты для улучшения ее дальнейшей работы.

В настоящее время созданы и применяются на практике или проходят производственные испытания в различных горных регионах и совершенствуются несколько экспертных систем.

Первая попытка формализации опыта эксперта в прогнозе лавинной опасности была осуществлена для лавин, связанных со снегопадами в районе Приэльбрусья [9]. В процессе опроса специалиста с многолетним опытом работы в районе исследования с помощью методики «диагностических игр» были выявлены признаки (конечное число составило 6), используемые специалистом при составлении прогноза, их градации и определены правила (порядок оценки, критические значение факторов в определенных ситуациях и степень их влияния), позволившие составить формальную прогностическую схему. В ходе прогноза определялись наличие или отсутствие лавинной опасности, места схода и размеры лавин. Оправдываемость методики на независимом материале составляла при снегопадах разной интенсивности от 55 до 93%.

Механизм составления и работы современной экспертной системы прогноза наглядно иллюстрируется на примере созданных в Швейцарском институте снеголавинных исследований моделей DAVOS и MODUL[84].

Обе модели используют типовое программное обеспечение для индуктивного автоматического принятия решений COGENSYSТМ.

На начальном этапе эксперт «обучает» программу вводя примеры и толкуя ситуации ими обусловленные. Программа вычисляет на основе наблюдения за решением наставника логическое значение каждого входного параметра. Логическое значение в данном случае – мера влияния параметра на качество работы модели, рассчитываемая с учетом того, сколько ситуаций оказались бы неразличимы если бы параметр был исключен из рассмотрения. В зависимости от степени влияния параметрам присваивается значение от 1 до 100. Это значение непрерывно модифицируется в процессе поступления новой информации. При столкновении с новой (неописанной) ситуацией программа ищет в базе данных похожие ситуации.

Каждому набору данных, соответствующих текущей снежно-метеорологической обстановке, определяется обусловливаемая им степень лавинной опасности. На выходе программа выдает суждение о степени лавинной опасности в соответствии с Европейской шкалой лавинной опасности.

Дополнительно определяется уровень значимости прогноза – индикатор уверенности программы в правильности результата.

Разница между моделями заключается в том, что DAVOS использует только измеренные значения (до 13 параметров), а MODUL оценивает 30 параметров, последовательно (пошагово) рассчитываемых программой в 11 подзадачах. В их число входит интерпретация Rutschblock-теста.

Оправдываемость прогнозов и предупрежденность явлений для последних модификаций модели DAVOS превысили 60%. Оправдываемость модели MODUL достигла 75%.

База данных экспертной прогнозной системы NivoLog [62] содержит численную информацию относительно погоды, снежного покрова, топографии склонов, географических особенностей и наблюденных лавин. Эта информация структурирована согласно реляционной модели данных. В дополнение к численной информации, NivoLog может обрабатывать изображения типа карт, фотографий или ортофото. Сочетание экспертной системы и метода ближайшего соседа позволяет производить оценку показателя устойчивости снежного покрова и определять соответствующую ему степень лавинной опасности.

Большую известность получил разработанный французскими специалистами пакет моделей SAFRAN-CROCUS-MEPRA [65, 68, 72]. В пакет вводятся только данные ежедневных метеорологических наблюдений. При этом основным предположением является пространственная однородность массива данных, что определяет рабочий масштаб действия пакета [68].

Выводом 1-го блока SAFRAN, работающего по методу ближайшего соседа (в качестве факторов используются термо-гигрометрические характеристики воздушных масс) является модель полей важнейших метеорологических характеристик (их приземных значений), облачности, солнечной радиации и осредненной толщины снежного покрова на различных высотах и склонах разной экспозиции при часовом временном шаге. Модель работает в режиме анализа или в режиме прогноза (диапазон 1 и 2 дня).

Выводы SAFRAN затем используются детерминистской моделью эволюции CROCUS для расчета строения снежной толщи. На третьем шаге, экспертная система MEPRA диагностирует устойчивость снежной толщи на различных высотных уровнях и склонах разной экспозиции, учитывая ее внутреннее состояние, смоделированное в блоке CROCUS. Окончательным выводом модели является прогноз степени лавинной опасности для отдельных (площадью до 400 км2) горных массивов с заблаговременностью до 2 суток.

Долгосрочный прогноз лавинной опасности

Возможность разработки долгосрочного прогноза появилась с созданием численных моделей изменения климата. Задача решается переходом от прогнозируемых моделью характеристик климата к лавиноиндикационным. Основанием служат установленные аналитически связи между климатическими характеристиками (температурой воздуха, осадками), рассчитанными моделью и лавиноиндикационными показателями (толщиной снежного покрова, продолжительностью его залегания, количеством твердых осадков, числом дней с интенсивными снегопадами и с оттепелью). Далее с использованием определенных зависимостей выявляется изменение границ лавиноопасных территорий, рассчитываются продолжительность лавиноопасного периода и число лавиноопасных ситуаций – выдается заключение о лавинной активности территории в будущем.

Такой подход использован в работе [73], при выполнении которой применялась глобальная циркуляционная модель изменения климата GFDL.

Еще один способ, используемый для долгосрочного прогноза лавинной активности [39], заключается в нахождении в пространстве или во времени ситуации-аналога прогнозируемому изменению климата. В таком случае в качестве лавиноиндикационных характеристик берутся данные ситуации-аналога и с применением установленных связей рассчитываются параметры лавинной активности исследуемой территории на прогнозируемый отрезок времени.

Заключение

Сочетание численных методов с учетом опыта специалистов в практической деятельности снеголавинных подразделений Госкомгидромета позволяло делать прогнозы схода лавин с оправдываемостью не менее 90-95%. При этом экстремальные ситуации (массовый сход лавин, сход лавин в зоне деятельности населения, непосредственная угроза объектам) прогнозировались на основе интуитивного мышления с практически 100% оправдываемостью [27]. Однако, обоснованные и прошедшие проверку методики существовали для прогнозов лавин только отдельных генетических типов.

Прогрессирующее развитие экспертных систем, позволяющих прогнозировать развитие лавин вызываемых различными факторами, пока не способствует повышению качества лавинных прогнозов. Также не дали существенного выигрыша в качестве прогноза детерминистские модели, чье применение сдерживалось невозможностью получения данных из зон зарождения лавин. Только в последние годы в практику вошли модели эволюции состояния снежного покрова на горных склонах.

Часто не удается оценить преимущества одного метода над другим, так как не делается параллельная проверка нескольких методов на одном и том же исходном материале.

Повышению качества прогноза может способствовать внедрение ГИС-технологий, уже активно используемых в расчетах динамических характеристик лавин и при оценке лавинной опасности рельефа. Функциональные возможности современных ГИС позволяют непрерывно накапливать данные, производить различные расчеты, осуществлять пространственную привязку их результатов. Важнейшей прикладной задачей разрабатываемых ГИС является прогноз времени схода лавин [64, 76, 78, 79].

Список литературы

1. Абдушелишвили К.Л., Карташова М.П., Салуквадзе М.Е. Методы прогноза лавин разных генетических типов. Тр. 2-го Всесоюз. сов. по лавинам, Л.: Гидрометеоиздат, 1987. с. 83-87.

2. Акифьева К.В. Лавинное картографирование в Европе. Тр. 2-го Всесоюзн. совещ. по лавинам. Л., Гидрометеоиздат, 1987, с.214-219.

3. Аккуратов В.Н. Прогноз наступления лавинной опасности по величинам метелевого переноса и температурного сжатия снега. В кн.: Вопросы использования снега и борьба со снежными заносами и лавинами. М., Изд-во АН СССР, 1956, с.167-183.

4. Берри Б.Л. Способы оперативного прогнозирования лавин, основанные на использовании информации о начальных стадиях разрушения и движения снега. Тр. 3 Всесоюзн. совещ. по лавинам. Л., Гидрометеоиздат, 1989, с.94-99.

5. Благовещенский В.П. Определение лавинных нагрузок. Алма-Ата. «Гылым». 1991. 116 с.

6. Божинский А.Н., Лосев К.С. Основы лавиноведения. Л.: Гидрометеоиздат, 1987, 280 с.

7. Болов В.Р. Формирование, прогноз и искусственное обрушение лавин, обусловленных снегопадами, метелями и сублимационной перекристаллизацией снега. Автореф. дисс. на соиск. уч. степ. канд. геогр. наук. Нальчик, 1981, 26 с.

8. Ветров Н.А., Гракович В.Ф., Трутко Т.В. Синоптико-климатический анализ лавинных ситуаций в Приэльбрусье. Тр. ВГИ, 1984, вып.52, с.16-32.

9. Гельфанд И.М., Розенфельд Б.И., Урумбаев Н.А. Прогнозирование лавин с помощью правил, формализующих опыт специалиста. М., Научный совет по комплексной проблеме «Кибернетика». 1985. Препринт.

10. География лавин. Под ред. Мягкова С.М., Канаева Л.А. Изд-во МГУ, 1992, 331 с.

11. Глазовская Т.Г. Оценка лавиноопасных территорий мира: методика и результаты. Автореф. на соиск. уч. степ. канд. геогр. наук. М., 1987, 24 с.

12. Глазырин Г.Е., Кондрашов И.В. О методической основе лавинных прогнозов. Тр. 3-го Всесоюз. сов. по лавинам, Л.: Гидрометеоиздат, 1989. с. 155-164.

13. Гляциологический словарь. Л.: Гидрометеоиздат, 1984. 526 с.

14. Гракович В.Ф. Информационная система для организации службы предупреждения снежных лавин. Автореф. дисс. на соиск. уч. степени канд. геогр. наук. Москва. 1975.

15. Грищенко В.Ф. Физико-географические условия снегонакопления и лавинообразования в Украинских Карпатах. Автореф. дисс. на соиск. уч. степени канд. геогр. наук. Тбилиси. 1981.

16. Грищенко В.Ф., Душкин В.С., Зюзин В.А., Канаев Л.А., Христоев Ю.В., Черноус П.А. Прогноз метелевых лавин в СССР. Труды 2-го Всесоюзного совещания по лавинам. Л.: Гидрометеоиздат, 1987. с.46-57.