研制一个基于神经网络方法的路面温度精细化预报机理模型，适用于不同性质的路面和不同天气型，提高道路温度的精准预报水平，为道路预报服务系统提供核心算法，解决高速公路路面温度预报精度不足的问题，促进公路交通气象服务向智能化预警升级的发展，满足交通气象服务精细化、智能化管理的需求。

主要研究内容包括二个方面：

1）模型参数确定。收集不同气象站点的路面温度变化资料，研制基于神经网络方法的路面温度变化模型，特别是量化温度模型中参数与天气型、路面干湿状况的关系。

    2）模型的验证。用独立的观测资料对建立的温度变化模型进行广泛验证，并进行参数敏感性分析，确定预报时效、预测误差，比较不同神经网络方法所预测结果的优劣。

准确预报道路表面（尤其是高速公路）温度变化，有利于人们提前做好出行计划，有利于相关部门尽早做好灾害应对准备，对于最大限度减少极端温度带来的损失、保障经济社会发展和人民的幸福生活具有至关重要的意义。

目前，所建立温度预报模型从方法上来看可分为以下几类：

第一类是基于地表能量平衡法的理论预测模型^[1-5]，该类模型系统可利用高速公路沿线交通气象站的观测数据，其温度场算法以路面辐射能量平衡为基础并同化各种有效的参量，此类方法优点是模型有较强机理性，但是模型中需要确定的参数和变量多，系统计算复杂。由此方法得到的地表温度解析解具有正弦函数变化的特征，王琨等建立温度预估模型时注意到了路面温度与时间之间的近似呈正弦函数关系^[6]。

第二类是应用统计方法建立的温度预测模型^[7-9]，即应用统计回归分析方法，建立地表温度（地温和/或气温）与其他气象因子（总云量、低云量、露点温度、能见度和相对湿度等）之间的关系，通过预报地表温度来预报道路结冰，此类方法模型简单用、参数和资料易于获取、便于工程应用，主要缺点在于模型缺乏机理性，从而影响了预报的准确性和推广应用。

第三类是基于数值天气预报模型的降尺度温度预报模型^[10,11]。即以数值天气预报模式为基础，利用MOS方法加上滚动订正进行网格预报，它基于数值天气预报模式背景场和站点预报的温湿度等要素网格预报技术，应用精细化地理信息订正处理，得到降尺度过程中预报要素的局地化值。该类方法是将数值天气预报的温度精细化预报方法应用到路面温度预报上，不失一种有效的途径。其不足是：在站点稀疏时，会产生芝麻点现象；还不能完备地考虑道路局地下垫面特性的精细变化（如地形、地表粗糙度、路桥建筑变化等引起的温度变化差异），对温度的精细预报结果与实际存在明显可提高的误差。

第四类是基于数据挖掘方法的温度预报模型^[12,13]，即通过大量的相关数据进行二元分类，建立分类预测模型，经过计算机计算得出预测结果。常用的数据挖掘方法有神经网络、支持向量机和决策树算法等方法，可以处理大规模数据建立模型^[14]。应用神经网络建立基于气象信息的的精准化温度预报预警模型是当前一种时尚或新兴方法。

本研究在上述温度预报模型研究与应用的基础上，综合考虑数值天气预报模式要素输出信息（大尺度背景的天气趋势）、路面实时气象观测信息（反映道路状况局地变化）和路面温度变化特征，应用神经网络方法确定路面温度预测模型中的参数，并进行方法对比验证，探寻提高地表温度精细化、智能化预测的新途径。

参考文献

[1] Sass B H. A numerical model for prediction of road temperature and ice. Journal of Applied Meteorology,1992,31(12):1499~1506.

[2] Shao J, Lister P J. An automated nowcasting model of road surface temperature and state for winter road maintenance. Journal of Applied Meteorology,1996,35(8):1352~1361.

[3] Crevier LP, Delage Y. METRo: a new model for road condition forecasting in Canada. J Appl Meteorol., 2001, 40:2026–2037

[4]牛生杰，李蕊，吕晶晶，等．三种下垫面温度及结冰预报模型研究．地球物理学报，2011，54(4):909-917．

[5]Fujimoto A, Tokunaga R, Kiriishi M, et al. A road surface freezing model using heat，water and salt balance and its validation by field experiments. Cold Regions Science and Technology, 2014,106:1~10.

[6]王琨，郝培文，不同层位沥青路面温度预估模型．长安大学学报（自然科学版），2017（6）：24-30．

[7]董天翔，包云轩，袁成松，等．三种统计预报模型在江苏省道路低温预警中的应用．气象科技，2018，46（4）：773-784．

[8]田华，吴昊，赵琳娜，等，沪宁高速公路路面温度变化特征及统计模型，应用气象学报，2009，20（6）：737-744

[9]朱承瑛，谢志清，严明良，等．高速公路路面温度极值预报模型研究．气象科学，2009，29（5）：645-650．

[10]罗聪，曾沁，高亭亭，等. 精细化逐时滚动温度预报方法及检验. 热带气象学报，2012，28(4): 552-556．

[11] 吴振玲，潘璇，董昊，等. 天津市多模式气温集成预报方法. 应用气象学报，2014，25(3):293-301．

[12] 雷建军, 韦惠红, 李剑. 一种遗传微粒群算法-支持向量机集成道路结冰预测系统. 华中师范大学学报(自然科学版), 2010, 44(3): 392-396．

[13]Xu B. Dan HC, Li L. Temperature prediction model of asphalt pavement in cold regions based on an improved BP neural network. Applied Thermal Engineering. 2017,120:568–580.

[14] Zhang W, Gao S, Chen B, et al. The application of decision tree to intensity change classification of tropical cyclones in western North Pacific. Geophysical Research Letters, 2013, 40(9): 1883-1887.

本项目抓住当前路面交通气象密切关心的关键问题，应用神经网络方法确定地表温度日变化模型中参数，将机理温度模型与深度学习方法相结合应用于温度预报中，从理论上解决道路温度随局地下垫面条件变化的精细化预测关键问题，为无缝隙交通气象温度精准预报预警提供关键技术支撑是本研究的特色和创新。地表温度变化与地表性质、干湿状况、天空云量等有复杂的非线性关系，很难获取确定性的定量解析函数关系，应用神经网络方法分析历史气象数据来确定温度模型中的参数，使所研制的地表温度预报模型不仅具有机理性强、精度高而且有应用性强的特点，这就是本研究在解决问题思路上的重要创新。

2022.04~2022.06    广泛收集江苏省高速公路气象站观测的历史气象资料，根据需要开展不同性质路面（裸土路面、水泥路面、沥青路面等）试验对比观测，测定不同路面湿度下的ρ、c、k，及净辐射、路面温度变化，记录天气型，计算影响温度变化的降温参数B值的变化。

    2022.07~2022.010    处理与分析收集到的路面交通气象观测数据，用CNN方法模拟预测路面温度模型中的参数B值，验证模型。撰写提交论文一篇。

    2022.11~2023.01    根据需要开展试验观测，进一步验证模型，模型改进，推进模型的业务化应用。拟提交模型软件系统著作权申请一个。

    2023.02~2023.03     对项目资料及成果进行汇总，撰写技术报告和工作报告，准备结题。