摘 要：

能见度对于交通出行的影响重大，特别是在高速公路和机场等对于能见度较为敏感的
区域，能够准确获知能见度的数值和变化趋势尤为重要。而能见度易受雾和霾的影响，因
此研究雾的变化机制并做出预测极具现实意义。传统的仪器探测法成本高，覆盖范围小，
而基于视频的能见度检测能弥补仪器测量的不足之处， 但是预测精度不高，需要进一步改
进和完善。本文针对探索大雾演化规律，预测大雾变化趋势进行了建模研究。

能见度与气象因子的关系（问题一） 根据问题的要求，首先分析各个单因子的分布情
况，在分析因子之间的相关性，采用 Lasso 方法得到各因子的重要性，将相关性与重要性
相结合，确定参与建模的影响因子。经过测试，选择相对湿度(RH)、 温度(TEMP)、 2 分钟
平均风速(WS2A)三个变量建立三次多项式拟合， 并且考虑白天和夜间的气象条件差异，分
别建立三变量在全天、白天和夜间三种场景下的三次多项式关系式。根据上述方法建立的
全天数据关系式拟合优度(R2)能够达到 0.94 以上。

基于视频数据的能见度深度学习模型（问题二） 根据问题要求，首先对原始数据进行
数据匹配和图像校正预处理，得到 1860 条对应数据，并基于特征工程的思想，使用尺度
不变特征变化(SIFT)提取图像特征，得到 1860×15766 维特征向量集，考虑到数据分布的
不均衡性，对训练集和验证集的划分进行调整以保证输入数据的分布均衡。之后， 输入全
连接神经网络深度学习模型， 损失函数快速收敛， 经过 200 轮训练， 最终训练得到的模型
在训练集和验证集上的 R2 分别为 0.94 和 0.86，表明模型具有较好的泛化能力。

不依赖能见度观测值的能见度估计算法（问题三） 根据问题要求， 首先对图像进行裁
剪预处理以去除水印对能见度估计的干扰， 比较了单目图像计算景深法、 公路标线可见长
度推算法和暗通道先验算法的可行性， 最终利用暗通道先验规律和高速公路车道分隔线间
距，设计了一种通过大气散射系数预测气象光学视程的算法，得到图像对应时段的能见度
估算值，范围在 105 米至 140 米之间，总体呈现波动上升的趋势， 最后绘制出能见度随时
间变化的曲线。

大雾变化趋势预测模型（问题四） 根据问题的要求，首先对问题三中得到的能见度随
时间变化曲线进行统计特征分析，再采用二次指数平滑法，寻找时间序列之间相互影响的
内在规律，模型预估的气象光学视程达到 150 米及以上的时间为当日 9 时 5 分前后。

关键词： 能见度，雾，多项式回归， SIFT 特征提取， 全连接神经网络，图像建模，暗通道先验，指数平滑法

链接：https://pan.baidu.com/s/1nYNEINsY4SX_krIz6IcG5Q
提取码：6u5k