0 引言

我国北方冬季积雪和融水易在路面形成结冰，造成路面抗滑能力显著降低，车辆制动距离延长，影响行车安全[1]。尤其我国东北部地区，冬春季节气温低，常出现降雪、冻雨[2]，道路结冰现象突出。研究道路结冰预报方法，对道路结冰情况进行提前预报，能够有效减少因道路结冰引起的交通事故。

此外，日常课程中采用网络教学平台收集过程性数据，包括平时测试分数、资料查阅情况以及教师发布内容完成情况等；在课堂中教师记录学生上课表现，工作台整理情况等，共占课程评价的30%。新的评价机制降低了最终考试成绩在总体成绩中所占的比例,更多的是综合考查学生的综合能力和专业应用能力，也调动了学生的学习热情，增强课程培养学生学习能力的作用。

美国及欧洲一些国家向来重视道路结冰的监测和预报工作，并较早地在公路交通气象学领域开展研究，研发出了一些路面温度测试和结冰预报技术[3-4]。如美国等国家建立的道路气象信息系统（Road Meteorological Information System），可根据路域气象资料预报路面状况。Sass[5]基于地面热传导方程和地表能量平衡方程，进行了敏感性实验，获取了详细的温度和湿度分析结果，并利用丹麦道路站的数据对道路温度和结冰预测进行了数值模拟，建立了道路结冰预报方法，取得了较好的效果。Shao等[6]通过因特网收集公路养护信息而建立的道路结冰预报模型能够自动调整所需物理参数，准确及时地预测路面结冰时间，为欧洲许多国家冬季公路养护提供了技术支持。

目前，我国在道路结冰预报研究方面仍处于初期阶段[7-8]。杨武杰等[9]利用1990—2007年内蒙古高等级公路气象站监测的结冰和积雪天气数据及1990—2000年降水天气数据，分析了引起道路结冰的气象和环流因素，构建了道路结冰统计模型，对包头至兴和高等级公路道路结冰情况进行了预报。孙翠梅等[10]利用2003年12月至2010年3月镇江市公路地面气温数据，分析了镇江市道路结冰的气候特征，结合降水性质、是否有积雪、日最低气温和日平均气温，定义了道路结冰影响指数，建立了统计模型进行分级预报，对当地道路结冰情况具备一定的预报能力。马吉晖[11]从天气学角度分析总结出3种天气概念模型，得出由弱降水所致的道路结冰预报方法。雷建军等[12]将遗传微粒群算法与支持向量机（Support Vector Machines，简称SVM）相结合，利用遗传微粒群算法的全局搜索能力从多个气象因子中自适应地选择合适的因子组合及其对应的最优SVM参数，分别建立了武汉市和十堰市道路结冰预报模型，取得了较好的预报效果。

总体来看，目前有关道路结冰预报的研究方法主要有三种：统计模型[13-14]、理论分析模型[15]和数据挖掘模型[16-17]。统计模型在进行道路结冰预报时，数据量大，虽然具有一定的预报能力，但空报率较高。理论分析模型是基于热力学和天气学基本原理，利用数值方法建立温度、降水的预报模型，但是该方法参数复杂，获取困难，不适合大型主设备运输期的道路结冰灾害预报。数据挖掘法可以处理大规模数据，对应的模型在属性选择合理的情况下准确率相对较高，并且在分析非线性气象问题上有着广泛的应用。决策树算法是数据挖掘方法的一种，能够克服数据要求高、参数复杂、计算繁琐等困难[18-19]。

在决策树算法中，令S为包括s类样本的数据训练集，m为训练集中的类别数量，si为s中第i类样本的个数，i=1,2…,m，即：

1 C4.5决策树算法原理

决策树算法属于数据挖掘中一种重要的分类方法[20-21]，目前在遥感解译领域得到了广泛应用。本文结合遥感解译思想，引入C4.5决策树算法，通过对日最低气温、日积雪深度、日降水量与对应当天道路结冰关系进行学习训练，构建道路结冰二元分类模型，为道路结冰预报提供理论算法基础。

本文将基于C4.5决策树算法，通过对道路结冰样本进行规则学习，训练决策树模型，将道路是否结冰抽象为一个二元分类问题，构建道路结冰预报模型，最后利用特高压输变电主设备运输期的道路结冰预报对模型的准确率加以验证。

 

特高压交流输变电主设备在2017年的运输时间分别为2月12日—22日和3月20日—30日，运输线路从沈阳到锡林浩特，沿线经过阜新、通辽和赤峰。为了保障运输安全，会提前1d预报次日沿线运输道路的结冰情况。将本次运输过程中日最低气温、日积雪深度和日降水量输入道路结冰预报模型，对道路是否结冰进行预报，结果见表3和表4。

 

由SDS-PAGE结果(图2)可以看到，3种样品的电泳条带相似，未见过敏原断裂片段，仅有的不同是两组水煮样品在100～130 kDa之间的一个条带比未加工花生蛋白样略深，这可能是热加工产生后蛋白聚集体导致的[16]。而iTRAQ实验结果(表1)也表明，Ara h 1等8种过敏原蛋白的数量比值均在0.85～1.67之间，这也说明加工后各种过敏原蛋白的数量变化不显著(两种样品间的相对含量大于2或者小于0.5时表现为具有显著性差异)[30]。总体而言，水煮加工对各过敏原蛋白的数量没有显著影响，但可能产生蛋白聚集体等，从而影响其高级结构。

 

对应的信息增益为：

 

2 模型构建

2.1 道路结冰因素分析

现以2017年冬季特高压交流输变电主设备运输道路结冰预报为例，对所建模在线状区域预报中的精度进行验证。

根据属性A，令S={S1,S2,…,Sv}，其中v为属性A包含不同值的数目。于是，训练集在属性A上的信息熵为：

  

图1 2015年2月份最低气温、降雨量、积雪深度与道路结冰关系

  

图2 2015年3月份最低气温、降雨量、积雪深度与道路结冰关系

  

图3 2016年2月份最低气温、降雨量、积雪深度与道路结冰关系

  

图4 2016年3月份最低气温、降雨量、积雪深度与道路结冰关系

由图1～图4可知，通辽地区在2015年2月、3月以及2016年2月的最低气温和3月前半月的最低气温均低于0℃，3月后半月最低气温波动较大，有时高于0℃；对应月份的降雨量较少，每月不超过2次，且降雨当天气温低于0℃，出现道路结冰；降雪虽然频次不高，由于气温较低，雪融较慢，单次降雪会造成连续几天积雪，长期积雪则会导致道路长期连续结冰。根据数据统计，道路结冰出现在有积雪或者降雨并且气温低于0℃的情况下，由于内蒙和辽宁冬季和初春降水较少，故引起道路结冰的主要因素是低温和降雪。

5.统计学处理：采用SPSS 23.0统计软件进行分析，计量资料以均数±标准差表示，组间比较采用t检验；资料非正态分布组间比较采用Mann-Whitney U检验，以P<0.05表示差异有统计学意义。

2.2 基于C4.5决策树算法的道路结冰预报模型构建

研究表明，地表温度是道路结冰的主要影响因素[23]。由于地表温度相对最低气温较难测得，不过日最低气温和日最低地表温度间存在较好的对应关系[24]，因此可用日最低气温替代日最低地表温度来研究道路结冰问题。由前文可知，道路结冰天气出现在有积雪或降雨的条件下，因此，可利用满足日最低气温与日积雪深度或日最低气温与降水的关系来判断道路是否结冰，即将通辽地区2015—2016年2月和3月日最低气温、日积雪深度、日降水量作为决策树模型的输入变量，道路是否结冰作为目标变量（结冰用1表示，不结冰用0表示）来训练并构建道路结冰预报模型。

基于C4.5决策树算法的道路结冰预报模型的构建具体可分以下三个步骤，对应的模型运行原理如图5和图6所示。

（1）收集日最低气温、日降水量、日积雪深度以及道路是否结冰等数据；

（2）对最低气温、日降水量、日积雪深度以及对应的道路结冰情况进行分类预处理；

（3）将日最低气温、日积雪深度、日降水量作为决策树模型的输入变量，将道路是否结冰作为目标变量，构建道路结冰预报模型。

由表1和表2可知，2月共29d，准确预报有28d，预报准确率为96.6%，3月共31d，准确预报有28d，预报准确率为90.3%，2月和3月共60d，准确预报有56d，总体预报准确率为93.3%。分析可知，2月9日与3月13日模型计算结果与实际结果不符，这都是因为当日积雪量较少，气温较高，积雪融化成水，路面未能结冰；3月17日有少量降雨，最低气温为0℃，而道路结冰模型训练数据在降雨条件下的最低气温为-2℃，故判断为不结冰，而道路结冰是由综合因素引起的，导致预报错误。3月27日预报无结冰，是因为26日中午气温较高，积雪融化成水，27日无降水，输入的日累计降雨量为0，实际路面有积水且当天最低气温较低，引起道路结冰，造成预报结果与实际不符。总体来看，尽管模型对部分日期道路结冰判断错误，但模型预报的整体准确率仍较高。

  

图5 日最低气温与日积雪深度道路结冰预报模型示意图

 

注：n为气温最大值（℃）；m为积雪深度最小值（m）。

  

图6 日最低气温与日降水量道路结冰预报模型示意图

 

注：p为气温最大值（℃）；q为降雨量最小值（mm）。

3 基于C4.5决策树算法的道路结冰预报模型应用及精度分析

为了验证基于C4.5决策树算法的道路结冰预报模型的准确率，现分别对点状区域和线状区域两种类型的道路结冰情况进行预报，并与实际情况作一比较。

3.1 点状区域道路结冰预报模型应用及精度分析

以赤峰地区为例，将其2016年2月和3月的道路实际结冰数据（每日最低气温、每日早上8时积雪深度、每日累积1d降水量）输入预报模型进行结冰情况预报。预报结果和实际结果如表1和表2所示。

 

表1 2016年2月赤峰道路模型预报结冰与实际结冰情况

  

9日1—8日10—19日20—29日日期预报结冰实际结冰是 是是 否否 否是 是

 

表2 2016年3月赤峰道路模型预报结冰与实际结冰情况

  

日期预报结冰实际结冰1—12日13日14—16日17日18—26日27日28—31日是 是是 否否 否否 是是 是否 是否 否

小宇紧咬着牙齿，额头渗出薄薄的细汗，瘦弱的身躯在宽大的衣服中发着抖，在书柜巨大的阴影下显得孱弱不堪。唉，他终究只是个孩子！我放下了手，挥了挥手：“你走吧！”他难以置信地看了我一眼，迟疑了一下，含着腰慢慢走了。我想：或许他尝试过太多这种滋味了吧，总是用锋利的刺将自己包裹起来，以伤害他人的方式寻求关注，其实比谁都害怕被抛弃。小宇已经体会了太多的冷漠与忽视，我能成为压死骆驼的最后一根稻草，也能力挽狂澜给他一片翱翔的天空。于是我提笔，在试卷上缓缓留下一行字：“加油，老师相信你会更好。”

3.2 线状区域道路结冰预报模型应用及精度分析

道路结冰是指雨、雪、冻雨或雾滴碰到温度低于0℃的地面而出现的积雪或结冰现象，包括冻结的残雪、凸凹的冰辙、雪融水或其他原因的道路积水在寒冷冬季形成的结冰[22]。我国东北部地区冬季的主要气候特点是风大、干旱、寒冷、冰期长。显然，冬季的低温环境给道路结冰灾害的形成创造了条件。本文以通辽地区为例，统计了2015年和2016年各自2月份和3月份的气温、降水、降雪与道路结冰情况，并分析得出这三因素与道路结冰之间的关系，在时间上与主设备运输时间保持一致，气象条件类似，有利于道路结冰预报研究。图1～图4中纵轴分别表示最低气温、降雨量、积雪深度和是否结冰（1表示结冰，0表示不结冰），横轴表示日期。

此时训练集S的信息（嫡）H(S)为：

陈主任不慌不忙地从烟盒里抽出一支烟，再慢条斯理地点上。打火机窜出的火苗在他讳莫如深的镜片里绽放出两个小小的亮点。

 

表3 2017年2月12日—22日设备运输沿线道路预报结冰与实际结冰情况

  

日期预报结冰实际结冰1213141516171819202122否 否否 否否 否否 否是 否是 是是 是是 是是 是是 是是 是

 

表4 2017年3月20日—30日设备运输沿线道路预报结冰与实际结冰情况

  

日期预报结冰实际结冰2021222324252627282930是 是是 是是 是否 否否 是否 否否 否否 否否 否是 否否 否

由表3和表4所示的预报结冰和实际结冰结果对比可知，特高压交流输变电主设备运输时间共计22d，准确预报19d，错误预报3d，预报准确率为86.4%。可见，该道路结冰预报模型具有较高的准确率，当然日最低气温、日积雪深度、日降水量3项输入数据较高的准确度也为道路结冰预报的准确性提供了保障。错误预报原因分析如下：模型预报2月16日道路有结冰，而实际当天无结冰，是因为天气预报当天有降雪，而真正的降雪出现在晚上（设备运输暂停），因此预报结果与实际情况不符；3月24日预报道路无结冰而实际道路有结冰，是因为设备运输经过国道时该地区23日有少量降水，24日气温较低且路面有积水引起了道路结冰；3月29日预报道路结冰而实际当天无结冰，是因为当日气温较高，且伴有大风，在设备运输开始前路面降水已经消失，没有引起结冰，导致预报结果与实际不符。综上可见，本文所建道路结冰预报模型在线状区域道路结冰预报中可靠性高，能满足道路结冰预报需求。

4 结语

本文采用C4.5决策树算法，利用日最低气温、日降水量、日积雪深度与对应的道路结冰之间的关系，构建了基于C4.5决策树算法的道路结冰预报模型。最后，通过对赤峰地区和沈阳到锡林浩特特高压交流输变电主设备运输期间道路结冰情况的预报对所建模型进行实用性和精度验证，结果表明该道路结冰预报模型具有较高的准确率，可为我国东北地区冬季道路运输提供有效、安全的技术保障。利用数据挖掘方法，通过分析历史数据可发现潜在的信息和规律，在局部区域可以实现对道路结冰的有效预报。今后若结合与气象相关的理论知识，进行更加深入的信息挖掘，探索本质信息，将会对道路结冰有更加科学理性的认识和预报。

目前为止，我国有线电视数字传输以及卫星电视数字传输等方面的标准已经基本确定和完善，但是针对地面电视数字传输却未作出统一的标准。但是，相较于标清电视，4k技术电视对于正常观众而言，在显示器上方3倍距离的地方看到的画面应当与原景一样。[1]

参考文献

[1]王学强，王澄海，孟雪峰，等.内蒙古锡林郭勒盟2012年冬季暴雪过程天气学特征研究[J].冰川冻土，2013，35（6）：1446-1453.

[2]孙婷，张昌利，孟颖，等.面向公路主动式防冰处置的行业信息物理系统[J].交通运输研究，2017，3（3）：49-54.

[3]NORMAN J.Slipperiness on Roads-An Expert Systerm Classification[J].Meteorological Applications,2000,7(1):27-36.

[4]SHAO J,LISTER P J.An Automated Nowcasting Model of Road Surface Temperature and State for Winter Road Main⁃tenance[J].Journal of Applied Meteorology,1996,35(8):1352-1361.

[5]SASS B H.A Numarical Model for Prediction of Road Tem⁃prature and Ice[J].Journal of Applied Meteorology,2007,91(4):475-499.

[6]SHAO J,LISTER P.Automated Road Ice Nowcasts and In⁃ternet[C]//Proceedingofthe11thInternationalRoadWeather Conference.Sapporo:Standing International Road Weather Commission,,2002.

[7]李蕊，牛生杰，汪玲玲，等.三种下垫面温度对比观测及结冰气象条件分析[J].气象，2011，37（3）：325-333.

[8]张朝林，张利娜，程丛兰，等.高速公路气象预报系统研究现状与未来趋势[J].热带气象学报，2007，23（6）：652-658.

[9]杨武杰，司瑶冰，胡英华.内蒙古高等级公路道路结冰预报方法初探[J].内蒙古气象，2010（5）：45-47.

[10]孙翠梅，马俊峰，孔启亮，等.镇江市道路结冰影响指数分级预报方法[J].气象与环境学报，2013，29（4）：84-88.

[11]马吉晖.弱降水造成通化市道路结冰的天气学预报方法[J].吉林气象，2013（3）：17-20.

[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[J].华中师范大学学报（自然科学版），2010，44（3）：392-396.

[13]黄立葵，贾璐，万剑平，等.沥青路面温度状况的统计分析[J].中南公路工程，2005，30（3）：8-9.

[14]宋丽萍，韩基良，刘宇飞，等.哈尔滨市冬季地面温度变化特征及预报模型[J].黑龙江气象，2014（4）：28-30.

[15]曹广真，侯鹏，毛显强.北京市城市化对地表温度时空特征的影响[J].气象，2010，36（3）：19-26.

[16]刘梅，尹东屏，王清楼，等.南京地区冬季路面结冰天气标准及其预测[J].气象科学，2007（6）：685-690.

[17]熊竹，秦杰君.基于模拟实验的路面结冰预测研究[J].公路工程，2014，39（1）：216-220.

[18]ZHANG W,GAO S,CHEN B,et al.The Application of De⁃cision Tree to Intensity Change Classification of Tropical Cyclones in Western North Pacific[J].Geophsical Research Letters,2013,40(9):1883-1887.

[19]刘忠阳，杜子璇，陈怀亮，等.基于决策树的郑州市土地利用与覆盖分类研究[J].气象与环境科学，2008，31（3）：48-53.

[20]QUINLAN J R.C4.5 Programs for Machine Learning[M].San Francisco:Morgan Kaufmann Publishers Inc.,1993.

[21]史达伟，耿焕同，吉辰，等.基于C4.5决策树算法的道路结冰预报模型构建及应用[J].气象科学，2015，35（2）：204-209.

[22]保广裕，王文英，张景华，等.青海省道路结冰变化时空分布特征及其影响等级划分[J].气象科技，2016，44（1）：104-110.

[23]蒋建莹，史历，倪允琪.一次“高影响天气”的弱降雪过程的数值研究[J].应用气象学报，2005，16（2）：231-237.

[24]杨晓玲，兰晓波，丁文魁，等.河西走廊东部地面温度的变化特征及影响因子分析[J].干旱地区农业研究，2014，32（1）：223-229.