本发明公开一种人工影响天气的作业效果评估方法，该方法利用统计检验的方法，在客观的观测数据和严格的可靠性分析基础上，综合不同的影响因子对人工影响天气作业提出了一种作业效果评估方法，具有坚实的理论基础；该方法采用区域历史回归分析法检验功效，准确性相较序列试验法、不成对秩和检验法高，多次运用显著性检验，使得结果具有较高的可信度；该方法使用蒙特卡洛模拟随机试验分析自然变率对统计结果的影响，使得作业效果的评估更加客观；该方法将人工影响天气的具体作用效果通过熵权法和一级模糊综合评价法对于具体影响进行了量化分析，使得人工影响天气效果可视化，增加了成果的实用性和可读性。
1)将人工影响天气作业的区域作为目标区，获取非作业期和作业期目标区的特征变量，并选择对比区，获取非作业期和作业期对比区的特征变量；再采用t检验法对非作业期目标区和对比区的特征变量的相关系数r进行显著性检验；其中，对所述相关系数r进行显著性检验包括：计算检验统计量t，再将检验统计量t与要求阈值进行对比，若检验统计量t超过要求阈值，则检验合格；若检验统计量t小于等于要求阈值，则重新选择对比区，直至目标区和新对比区的特征变量的相关系数r检验合格；其中，所述检验统计量t为：其中，r为非作业期目标区和对比区的特征变量的相关系数；
xi，yi分别为非作业期第i条对比区、目标区的特征变量；
2)利用柯尔莫哥洛夫适配度检验法对目标区和对比区的特征变量分别进行验证，若不满足正态分布，则进行正态变换；基于非作业期目标区和对比区的特征变量，建立回归方程，对所述回归方程进行显著性检验；若回归方程显著性检验合格，进入步骤3) ；反之，则返回步骤1) ，重新选择对比区，直至回归方程显著性检验合格；
3)基于所述回归方程预测作业期目标区的特征变量的期望值，再将该期望值与步骤1)中作业期目标区的特征变量进行比较，计算作业期目标区的特征变量平均变化率f，包括如下具体步骤：
将步骤1)中作业期对比区的特征变量带入所述回归方程，计算得到作业期目标区特征变量期望值，进而得到作业期目标区特征变量平均期望值 再将计算得到的作业期目标区特征变量期望值与作业期目标区的特征变量进行比较，计算得到作业期目标区特征变量变化值，进而得到作业期目标区特征变量平均变化值Δy，最后计算出作业期目标区的特征变量平均变化率f：
4)利用蒙特卡洛模拟法进行随机试验，分别得出人工作业效果大于自然变率的概率t1以及在包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2；所述人工作业效果大于自然变率的概率t1根据如下随机试验得到：首先，将步骤1)中获取的非作业期和作业期目标区的特征变量和非作业期和作业期对比区的特征变量作为实验样本，再随机分为A，B两组，两组样本数相同；
第二，分别计算目标区和对比区特征变量在A、B两组的平均值；
第三.计算随机双差值RDD：RDD＝(AVET_A‑AVET_B)‑(AVEC_A‑AVEC_B)其中，
第四，重复上述随机试验1000次，并绘制RDD的频率分布图；
第五，计算作业期和非作业期特征变量变化区别DD：其中，
所述在包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2根据如下随机试验得到：
首先，将步骤1)中获取的非作业期和作业期目标区的特征变量和非作业期和作业期对比区的特征变量作为实验样本，随机选取一半实验样本；
第二，对选取的实验样本进行线性回归，以选取的实验样本中对比区的特征变量作为自变量，并以选取的实验样本中目标区的特征变量作为因变量，建立新的回归方程；
第三，将作业期对比区的特征变量带入新的回归方程，计算得到作业期目标区特征变量期望值，进而得到作业期目标区的特征变量平均期望值 再将计算得到的作业期目标区特征变量期望值与作业期目标区的特征变量进行比较，计算得到作业期目标区特征变量变化值，进而得到作业期目标区的特征变量平均变化值Δy’，最后计算作业期目标区的特征变量平均变化率f’：
第四，重复上述随机试验1000次，绘制f’的频率分布；
5)基于非作业期目标区和对比区的特征变量的相关系数r、作业期目标区的特征变量平均变化率f、人工作业效果大于自然变率的概率t1、以及在包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2，利用熵权法和模糊综合评价法对人工影响天气作业效果进行量化评估。
2.根据权利要求1所述的人工影响天气的作业效果评估方法，所述要求阈值为t‑分布表中的t0.001。
3.根据权利要求1所述的人工影响天气的作业效果评估方法，步骤1)中所述人工影响天气作业包括人工消雾或人工增雨或人工增雪；
所述人工影响天气作业为人工消雾时，所述特征变量为能见度时间序列；
所述人工影响天气作业为人工增雨时，所述特征变量为降雨率时间序列；
所述人工影响天气作业为人工增雪时，所述特征变量为降雪率时间序列。
4.根据权利要求1所述的人工影响天气的作业效果评估方法，步骤2)中对于所述回归方程的显著性检验包括：
2.1)以非作业期对比区的特征变量x为自变量，并以非作业期目标区的特征变量 为因变量，利用最小二乘法建立如下的区域历史一元线性回归方程：式中，a，b分别为回归方程中的系数；
xi，yi分别为非作业期第i条对比区、目标区的特征变量；
Sxy为非作业期对比区和目标区的平均特征变量的协方差；
2.2)采用方差分析的F检验，则检验统计量F为：上式符合自由度为1和(n‑2)的F分布；
式中，Q回为非作业期对比区特征变量的回归平方和；Q剩为非作业期目标区特征变量的残差平方和；b为回归方程中的系数；
2.3)当检验统计量F＞Fα(1，n‑2)时，则所述回归方程检验合格，进入步骤3) ；反之，则所述回归方程检验不合格，则返回步骤1) ，重新选择对比区，直至回归方程显著性检验合格。
5.根据权利要求1所述的人工影响天气的作业效果评估方法，步骤5)具体包括如下步骤：
首先，将非作业期目标区和对比区特征变量的相关系数r、作业期的目标区特征变量平均变化率f、人工作业效果大于自然变率的概率t1、包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2作为评价指标，确定因素集U：U＝{U1，U2，U3，U4}＝{r，f，t1，t2}式中，U1为第1评价指标；U2为第2评价指标；U3为第3评价指标；U4为第4评价指标；r为非作业期目标区和对比区的相关系数；f为作业期目标区特征变量平均变化率；t1为人工作业效果大于自然变率的概率；t2为在包含自然变率影响的回归方程中得到的人工作业效果为正的概率；
第二，确定评语集V，将人工作业效果分为四个评判等级：V＝{优V1，良V2，一般V3，差V4}其中，规定等级标准：优为100‑75分，良好为74‑50分，一般为49‑25分，差为24分及以下；
第三，利用熵权法确定各指标权重，建立因素权重集W，通过信息熵计算各评价指标权重，计算公式如下：
式中，Wi为第i评价指标的权重；Ei为第i评价指标的信息熵；Yi为第i评价指标标准化后的数值；
第四，定义对单因素评分标准为：建立单因素模糊评判矩阵R，确定各个评价指标对评价集各元素的隶属程度；所述单因素模糊评判矩阵R为4×4矩阵；
第五，综合考虑各指标因素的影响，进行模糊综合评判，得出模糊综合评判结果B：B＝W°R
根据最大隶属度原则，将矩阵B中的元素依权重分配给评语集，进行人工作业效果的最终评估结果。
一种人工影响天气的作业效果评估方法
技术领域：
[0001] 本发明涉及一种人工影响天气的作业效果评估方法，属于大气科学和环境质量监测技术领域。
背景技术：
[0002] 人工影响天气，就是通过科技手段对局部大气的物理、化学过程进行人工影响来减轻或者避免气象灾害，在合理条件下，利用气候资源，达到增雨雪、防雹、消雨、消雾、防霜
等目的。
[0003] 目前，我们通过采用播撒催化剂(如碘化银、干冰、吸湿性催化剂、静电催化剂等)作为消雾和人工增雨雪等人工影响天气技术，在人工影响天气的实际作业效果检验领域
中，评估人工作业的效果主要靠统计分析。通常，将进行人工作业的区域作为目标区，并在
目标区以外选取合适的对比区，将两地区观测到的特征变量(如能见度、降雨率、降雪率等)
进行对比，从而分析人工作业的效果。但是，简单的对比分析未考虑到所选的对比区和目标
区之间的相关性、以及自然变率对人工作业效果评估的影响等因素，所以不能给出一个合
理的评估结果，对实际人工影响天气业务来说实用性较低。目前，对于人工影响天气效果的
综合检验研究还很少，缺少一种实用性强的科学评价方法对人工影响天气的作业效果进行
评估。
发明内容：
[0004] 本发明的目的是针对人工增雨雪和人工消雾的效果建立定量化评估方法。本发明结合回归分析方法、显著性检验、蒙特卡洛模拟和模糊综合评价等方法，提供了一种基于客
观观测数据，融合多种影响因子的人工影响天气作业效果评估方法，为人工影响天气更好
地服务于交通，输电，防灾减灾等领域提供重要的技术支撑。
[0005] 本发明的技术方案是：
[0006] 一种人工影响天气的作业效果评估方法，包括：
[0007] 1)将人工影响天气作业的区域作为目标区，获取非作业期和作业期目标区的特征变量，并选择对比区，获取非作业期和作业期对比区的特征变量；再采用t检验法对非作业
期目标区和对比区的特征变量的相关系数r进行显著性检验；
[0008] 2)基于非作业期目标区和对比区的特征变量，建立回归方程，对所述回归方程进行显著性检验；
[0009] 3)基于所述回归方程预测作业期目标区的特征变量的期望值，再将该期望值与步骤1)中作业期目标区的特征变量进行比较，计算作业期目标区的特征变量平均变化率f；
[0010] 4)利用蒙特卡洛模拟法进行随机试验，分别得出人工作业效果大于自然变率的概率t1以及在包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2；
[0011] 5)基于非作业期目标区和对比区的特征变量的相关系数r、作业期目标区的特征变量平均变化率f、人工作业效果大于自然变率的概率t1、以及在包含自然变率影响的回归
方程中得到的人工作业效果为正的概率t2，利用熵权法和模糊综合评价法对人工影响天气
作业效果进行量化评估。
[0012] 优选地，步骤1)中对所述相关系数r进行显著性检验包括：计算检验统计量t，再将检验统计量t与要求阈值进行对比，若检验统计量t超过要求阈值，则检验合格；若检验统计
量t小于等于要求阈值，则重新选择对比区，直至目标区和新对比区的特征变量的相关系数
r检验合格；其中，所述检验统计量t为：
[0013]
[0014]
[0015] 其中，r为非作业期目标区和对比区的特征变量的相关系数；
[0016] xi，yi分别为非作业期第i条对比区、目标区的特征变量；
[0017] n为非作业期特征变量样本总数；
[0018] 分别为非作业期对比区、目标区的特征变量平均值。
[0019] 优选地，所述要求阈值为t‑分布表中的t0.001。
[0020] 优选地，步骤1)中所述人工影响天气作业包括人工消雾或人工增雨或人工增雪雪；
[0021] 所述人工影响天气作业为人工消雾时，所述特征变量为能见度时间序列；
[0022] 所述人工影响天气作业为人工增雨时，所述特征变量为降雨率时间序列；
[0023] 所述人工影响天气作业为人工增雪时，所述特征变量为降雪率时间序列。
[0024] 优选地，步骤2)中对于所述回归方程的显著性检验包括：
[0025] 2.1)以非作业期对比区的特征变量x为自变量，并以非作业期目标区的特征变量为因变量，利用最小二乘法建立如下的区域历史一元线性回归方程：
[0026]
[0027]
[0028]
[0029] 式中，a，b分别为回归方程中的系数；
[0030] xi，yi分别为非作业期第i条对比区、目标区的特征变量；
[0031] n为非作业期特征变量样本总数；
[0032] 分别为非作业期对比区、目标区的特征变量平均值；
[0033] Sxy为非作业期对比区和目标区的平均特征变量的协方差；
[0034] 为非作业期对比区的平均特征变量的方差；
[0035] 2.2)采用方差分析的F检验，则检验统计量F为：
[0036]
[0037]
[0038]
[0039] 上式符合自由度为1和(n‑2)的F分布；
[0040] 式中，Q回为非作业期对比区特征变量的回归平方和；Q剩为非作业期目标区特征变量的残差平方和；b为回归方程中的系数；
[0041] 2.3)当检验统计量F＞Fα(1，n‑2)时，则所述回归方程检验合格，进入步骤3；反之，则所述回归方程检验不合格，则返回步骤1，重新选择对比区，直至回归方程显著性检验合
格。
[0042] 优选地，步骤3包括如下具体步骤：
[0043] 将步骤1)中作业期对比区的特征变量带入所述回归方程，计算得到作业期目标区特征变量期望值，进而得到作业期目标区特征变量平均期望值 再将计算得到的作业期
目标区特征变量期望值与作业期目标区的特征变量进行比较，计算得到作业期目标区特征
变量变化值，进而得到作业期目标区特征变量平均变化值Δy，最后计算出作业期目标区的
特征变量平均变化率f：
[0044]
[0045] 优选地，所述人工作业效果大于自然变率的概率t1根据如下随机试验得到：
[0046] 首先，将步骤1)中获取的非作业期和作业期目标区的特征变量和非作业期和作业期对比区的特征变量作为实验样本，再随机分为A，B两组，两组样本数相同；
[0047] 第二，分别计算目标区和对比区特征变量在A、B两组的平均值；
[0048] 第三.计算随机双差值RDD：
[0049] RDD＝(AVET_A‑AVET_B)‑(AVEC_A‑AVEC_B)
[0050] 其中，
[0051] AVET_A为目标区特征变量在A组的平均值；
[0052] AVEC_A为对比区特征变量在A组的平均值；
[0053] AVET_B为目标区特征变量在B组的平均值；
[0054] AVEC_B为对比区特征变量在B组的平均值；
[0055] 第四，重复上述随机试验1000次，并绘制RDD的频率分布图；
[0056] 第五，计算作业期和非作业期特征变量变化区别DD：
[0057]
[0058] 其中，
[0059] 为作业期目标区特征变量平均值；
[0060] 为非作业期目标区特征变量平均值；
[0061] 为作业期对比区特征变量平均值；
[0062] 为非作业期对比区特征变量平均值；
[0063] t1为所有RDD结果中，小于DD的占比。
[0064] 优选地，所述在包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2根据如下随机试验得到：
[0065] 首先，将步骤1)中获取的非作业期和作业期目标区的特征变量和非作业期和作业期对比区的特征变量作为实验样本，随机选取一半实验样本；
[0066] 第二，对选取的实验样本进行线性回归，以选取的实验样本中对比区的特征变量作为自变量，并以选取的实验样本中目标区的特征变量作为因变量，建立新的回归方程；
[0067] 第三，将作业期对比区的特征变量带入新的回归方程，计算得到作业期目标区特征变量期望值，进而得到作业期目标区的特征变量平均期望值 再将计算得到的作业期
目标区特征变量期望值与作业期目标区的特征变量进行比较，计算得到作业期目标区特征
变量变化值，进而得到作业期目标区的特征变量平均变化值Δy’，最后计算作业期目标区
的特征变量平均变化率f’：
[0068]
[0069] 第四，重复上述随机试验1000次，绘制f’的频率分布；
[0070] t2为所有随机试验结果中f’大于0的概率。
[0071] 优选地，步骤5)具体包括如下步骤：
[0072] 首先，将非作业期目标区和对比区特征变量的相关系数r、作业期的目标区特征变量平均变化率f、人工作业效果大于自然变率的概率t1、包含自然变率影响的回归方程中得
到的人工作业效果为正的概率t2作为评价指标，确定因素集U：
[0073] U＝{U1，U2，U3，U4}＝{r，f，t1，t2}
[0074] 式中，U1为第1评价指标；U2为第2评价指标；U3为第3评价指标；U4为第4评价指标；r为非作业期目标区和对比区的相关系数；f为作业期目标区特征变量平均变化率；t1为人工
作业效果大于自然变率的概率；t2为在包含自然变率影响的回归方程中得到的人工作业效
果为正的概率；
[0075] 第二，确定评语集V，将人工作业效果分为四个评判等级：
[0076] V＝{优V1，良V2，一般V3，差V4}
[0077] 其中，规定等级标准：优为100‑75分，良好为74‑50分，一般为49‑25分，差为24分及以下；
[0078] 第三，利用熵权法确定各指标权重，建立因素权重集W，通过信息熵计算各评价指标权重，计算公式如下：
[0079] W＝{W1，W2，W3，W4}
[0080]
[0081] 其中，
[0082] 式中，Wi为第i评价指标的权重；Ei为第i评价指标的信息熵；Yi为第i评价指标标准化后的数值；
[0083] 第四，定义对单因素评分标准为：
[0084]
[0085] 建立单因素模糊评判矩阵R，确定各个评价指标对评价集各元素的隶属程度；所述单因素模糊评判矩阵R为4×4矩阵；
[0086] 第五，综合考虑各指标因素的影响，进行模糊综合评判，得出模糊综合评判结果B：
[0087]
[0088] 根据最大隶属度原则，将矩阵B中的元素依权重分配给评语集，进行人工作业效果的最终评估结果。
[0089] 本发明相比于现有技术具有如下有益效果：
[0090] 1)本发明利用统计检验的方法，在客观的观测数据和严格的可靠性分析基础上，综合不同的影响因子对人工影响天气作业提出了一种作业效果评估方法，具有坚实的理论
基础；
[0091] 2)本发明采用区域历史回归分析法检验功效，准确性相较序列试验法、不成对秩和检验法高，多次运用显著性检验，使得结果具有较高的可信度；
[0092] 3)本发明使用蒙特卡洛模拟随机试验分析自然变率对统计结果的影响，使得作业效果的评估更加客观，且具有较强的普遍性和适用性；
[0093] 4)本发明将人工影响天气的具体作用效果通过熵权法和一级模糊综合评价法对于具体影响进行了量化分析，使得人工影响天气效果可视化，增加了成果的实用性和可读
性；
[0094] 5)本发明为人工影响天气作业后的效果评定提供了一套完整的评价方法，并以得分的形式展现了成效等级，相比传统方法更加精确直观，可操作性强；
[0095] 6)根据本发明的评价方法，可以更具有针对性地开展人工影响天气作业，从而对人工影响天气的实际工作起到更好的指导作用。
附图说明：
[0096] 图1为实施例中评估方法的流程图；
[0097] 图2为实施例中模糊综合评价效应等级金字塔图；
[0098] 图3为应用实施例中随机双差值RDD频率分布图；
[0099] 图4为应用实施例中作业期目标区特征变量变化率频率分布图。具体实施方式：
[0100] 下面结合具体实施例及对应附图对本发明作进一步说明。
[0101] 实施例一：
[0102] 本实施例的一种人工影响天气的作业效果评估方法，是一种对于人工影响天气的作业效果的定量评估方法，该方法基于客观的观测数据，运用统计检验的方法为人工影响
天气的作业效果评估和决策提供理论基础和技术支撑。首先，利用历史区域回归分析的统
计方法，将目标区和对比区中的特征变量样本数据进行对比，计算相关性。随后，基于特征
变量样本数据建立线性回归方程，以作业期对比区的特征变量样本值估算同期目标区的期
望值，作差得到目标区统计变量变化的统计结果。然后，使用蒙特卡洛模拟随机试验分析自
然变率对人工影响天气作业效果统计结果的影响，以便更加直观、客观地将自然因素的影
响纳入其中。最后，采用熵权法和一级模糊综合评价法对人工作业效果进行综合评判，给出
最终得分，以此测评人工影响天气的作业效果，并依据该评估结果给未来作业提供理论基
础和技术支撑。
[0103] 如图1所示，该方法包括如下具体步骤：
[0104] 1)将人工影响天气作业的区域作为目标区，获取非作业期和作业期目标区的特征变量，并选择对比区，获取非作业期和作业期对比区的特征变量；其中，非作业期在时间上
处于作业期之前的时期，且与作业期无时间间隔；对比区为不会受到催化剂污染影响，地
形、面积与目标区基本相似且自然变率有足够的相关性的地区；该步骤中目标区和对比区
的作业期特征变量样本数相等，两地非作业期特征变量样本数也相等。
[0105] 再采用t检验法对非作业期目标区和对比区的特征变量的相关系数r进行显著性检验；其中人工影响天气作业一般包括人工消雾或人工增雨/雪；当人工影响天气作业为人
工消雾时，特征变量为能见度时间序列；当人工影响天气作业为人工增雨时，特征变量为降
雨率时间序列；当人工影响天气作业为人工增雪时，所述特征变量为降雪率时间序列。
[0106] 上述显著性检验包括：计算检验统计量t，再将检验统计量t与要求阈值进行对比，若检验统计量t超过要求阈值，则检验合格，目标区和对比区满足较强的相关性，说明对比
区的选取合理，进而能够使用区域历史回归分析方法；若检验统计量t小于等于要求阈值，
则重新选择对比区，直至目标区和重新选择的对比区的特征变量的相关系数r检验合格；本
例中要求阈值为t‑分布表中的t0.001。上述检验统计量t为：
[0107]
[0108]
[0109] 其中，r为非作业期目标区和对比区的特征变量的相关系数；
[0110] xi，yi分别为非作业期第i条对比区、目标区的特征变量；
[0111] n为非作业期对比区或目标区的特征变量样本数；
[0112] 分别为非作业期对比区、目标区的特征变量平均值。
[0113] 2)基于非作业期目标区和非作业期对比区的特征变量，建立回归方程，对回归方程进行显著性检验。
[0114] 回归方程要求步骤1)中所获取的目标区和对比区的特征变量满足正态分布，所以在建立回归方程前，先利用柯尔莫哥洛夫适配度检验法对目标区和对比区的特征变量分别
进行验证，若不满足正态分布，则需要进行正态变换，再建立回归方程。
[0115] 对于回归方程的显著性检验包括：
[0116] 2.1)以非作业期对比区的特征变量x为自变量，并以非作业期目标区的特征变量为因变量，利用最小二乘法建立如下的区域历史一元线性回归方程：
[0117]
[0118]
[0119]
[0120] 式中，a，b分别为回归方程中的系数；
[0121] xi，yi分别为非作业期第i条对比区、目标区的特征变量；
[0122] n为非作业期对比区或目标区特征变量样本数；
[0123] 分别为非作业期对比区、目标区的特征变量平均值；
[0124] Sxy为非作业期对比区和目标区的平均特征变量的协方差；
[0125] 为非作业期对比区的平均特征变量的方差；
[0126] 2.2)考虑到两区域背景场随时间变化不同，两地人为活动影响程度不尽相同等因素，导致回归方程与实际观测值存在一定的偏差。因此，为检验整个回归关系的显著性，说
明解释变量对被解释变量具有显著的相关性，采用方差分析的F检验，则检验统计量F为：
[0127]
[0128]
[0129]
[0130] 上式符合自由度为1和(n‑2)的F分布；
[0131] 式中，Q回为非作业期对比区特征变量的回归平方和；Q剩为非作业期目标区特征变量的残差平方和；b为回归方程中的系数；
[0132] 2.3)当检验统计量F＞Fα(1，n‑2)时，则回归方程检验合格，进入步骤3；反之，则回归方程检验不合格，则返回步骤1，重新选择对比区，直至回归方程显著性检验合格。
[0133] 3)基于回归方程预测作业期目标区的特征变量的期望值，再将该期望值与步骤1)中作业期目标区的特征变量进行比较，计算得到作业期目标区的特征变量平均变化率f，包
括如下具体步骤：
[0134] 将步骤1)中作业期对比区的特征变量带入回归方程，计算得到作业期目标区特征变量期望值，进而得到作业期目标区特征变量平均期望值 再将计算得到的作业期目标区
特征变量期望值与作业期目标区的特征变量进行比较，计算得到作业期目标区特征变量变
化值，再得到作业期目标区特征变量平均变化值Δy，进而计算出作业期目标区的特征变量
平均变化率f：
[0135]
[0136] 4)在通过上述检验后，为了进一步验证以上结果的可信度，利用蒙特卡洛模拟法进行随机试验，分别得出人工作业效果大于自然变率的概率t1，以及在包含自然变率影响
的回归方程中得到的人工作业效果为正的概率t2。其中，人工作业效果大于自然变率的概
率t1，用于分析两地自然变率对统计结果带来的潜在影响；在包含自然变率影响的回归方
程中得到的人工作业效果为正的概率t2，用于分析自然变率对回归方程的影响。
[0137] 5)基于非作业期目标区和对比区的特征变量的相关系数r、作业期目标区的特征变量平均变化率f、人工作业效果大于自然变率的概率t1，以及在包含自然变率影响的回归
方程中得到的人工作业效果为正的概率t2，利用熵权法和模糊综合评价法对人工影响天气
作业效果进行量化评估，具体包括如下步骤：
[0138] 首先，将非作业期目标区和对比区特征变量的相关系数r、作业期的目标区特征变量平均变化率f、人工作业效果大于自然变率的概率t1、以及在包含自然变率影响的回归方
程中得到的人工作业效果为正的概率t2作为评价指标，确定因素集U，：
[0139] U＝{U1，U2，U3，U4}＝{r，f，t1，t2}
[0140] 式中，U1为第1评价指标；U2为第2评价指标；U3为第3评价指标；U4为第4评价指标；r为非作业期目标区和对比区的相关系数；f为作业期目标区特征变量平均变化率；t1为人工
作业效果大于自然变率的概率；t2为在包含自然变率影响的回归方程中得到的人工作业效
果为正的概率；
[0141] 第二，确定评语集V，将人工作业效果分为四个评判等级：
[0142] V＝{优V1，良V2，一般V3，差V4}
[0143] 其中，规定等级标准：优为100‑75分，良好为74‑50分，一般为49‑25分，差为24分及以下；
[0144] 第三，利用熵权法确定各指标权重，建立因素权重集W，通过信息熵计算各评价指标权重，计算公式如下：
[0145] W＝{W1，W2，W3，W4}
[0146]
[0147] 其中，
[0148] 式中，Wi为第i评价指标的权重；Ei为第i评价指标的信息熵；为Yi为第i评价指标标准化后的数值；
[0149] 第四，定义对单因素评分标准为：
[0150]
[0151] 建立单因素模糊评判矩阵R，确定各个评价指标对评价集各元素的隶属程度；单因素模糊评判矩阵R为4×4矩阵；
[0152] 第五，综合考虑各指标因素的影响，进行模糊综合评判，得出模糊综合评判结果B：
[0153]
[0154] 根据最大隶属度原则，将矩阵B中的元素依权重分配给评语集，进行人工作业效果的最终评定打分，根据评估结果，我们可以得出本次人工影响天气作业的作业效果，如果当
用于评估人工增雨或增雪时，比对两个区域在作业期和非作业期中降雨率或降雪率的变
化，从而评估人工作业对降水的贡献；而用于人工消雾时，用能见度等特征参量的变化来统
计检验人工播撒催化剂消雾的效果，从而客观、科学、及时地评估消雾带来的环境效益。
[0155] 实施例二：
[0156] 本实施例的进一步可选设计在于：本实施例中人工作业效果大于自然变率的概率t1根据如下随机试验得到：
[0157] 首先，将步骤1)中获取的非作业期和作业期目标区的特征变量和非作业期和作业期对比区的特征变量作为实验样本，再随机分为A，B两组，两组样本数相同；
[0158] 第二，分别计算目标区和对比区特征变量在A、B两组的平均值；
[0159] 第三.计算随机双差值RDD(random double difference)：
[0160] RDD＝(AVET_A‑AVET_B)‑(AVEC_A‑AVEC_B)
[0161] 其中，
[0162] AVET_A为目标区特征变量在A组的平均值；
[0163] AVEC_A为对比区特征变量在A组的平均值；
[0164] AVET_B为目标区特征变量在B组的平均值；
[0165] AVEC_B为对比区特征变量在B组的平均值；
[0166] 第四，重复上述随机试验1000次，并绘制RDD的频率分布图；
[0167] 第五，计算作业期和非作业期特征变量变化区别DD(double difference)：
[0168]
[0169] 其中，
[0170] 为作业期目标区特征变量平均值；
[0171] 为非作业期目标区特征变量平均值；
[0172] 为作业期对比区特征变量平均值；
[0173] 为非作业期对比区特征变量平均值；
[0174] 对于人工消雾和人工增雨雪，t1为所有RDD结果中，小于DD的占比，t1越大，表明在试验中人工消雾或增雨雪作用相对于自然变率越大，实施作业越有效。
[0175] 实施例三：
[0176] 本实施例的进一步可选设计在于：本实施例中在包含自然变率影响的回归方程中得到的人工作业效果为正的概率t2根据如下随机试验得到：
[0177] 首先，将步骤1)中获取的非作业期和作业期目标区的特征变量和非作业期和作业期对比区的特征变量作为实验样本，随机选取一半实验样本；
[0178] 第二，对选取的实验样本进行线性回归，以选取的实验样本中对比区的特征变量作为自变量，并以选取的实验样本中目标区的特征变量作为因变量，建立新的回归方程；
[0179] 第三，将作业期对比区的特征变量带入新的回归方程，计算得到作业期目标区特征变量期望值，进而得到作业期目标区的特征变量平均期望值 再将计算得到的作业期目
标区特征变量期望值与作业期目标区的特征变量进行比较，计算得到作业期目标区特征变
量变化值，进而得到作业期目标区的特征变量平均变化值Δy’，最后计算作业期目标区的
特征变量平均变化率f’；
[0180]
[0181] 第四，重复上述随机试验1000次，绘制f’的频率分布；
[0182] 对于人工消雾和人工增雨雪，t2为所有随机试验结果中f’大于0的概率，t2越大，人工作业的效果越可信。
[0183] 应用实施例一：
[0184] 本应用实施例选取某地进行的人工播撒催化剂增雪实验作为案例，以该案例的实验数据作为基础，模拟实施本发明的人工影响天气的作业效果评估方法，定量统计并评价
该次人工增雪烟炉作业对区域环境增雪情况的影响。本次实验选取播撒催化剂区域为目标
区(作业)，并选取作业区上风向作为对比区(不作业)，通过对比两个区域在实验过程中的
降雪率变化来统计分析人工增雪的作用。本例共选取了目标区和对比区的10个非作业期特
征变量的降雪率时间序列，两区域降雪率相关性r＝0.943。
[0185] 利用t检验法 求得检验统计量t值为5.377，进而求得回归方程为经F检验，检验统计量F≈64.689。由上述计算值可说明实验目标
区和对比区的降雪率样本具有较强的相关性，实验样本满足区域历史回归分析的条件，且
可以通过此线性方程估算作业期样本的期望值并统计检验。所以，利用上述线性回归方程，
估算得到作业期目标区降雪率平均期望值 为0.363mm/hr，而实测值为0.381mm/hr，可得
人工增雪导致降雪率平均变化值Δy＝0.018mm/hr，作业期目标区的特征变量平均变化率f
为5.03％。如图3和图4所示，在两组随机试验中得到t1＝96.36％，t2＝89.67％。从两个随机
试验结果来看，人工作用在一定程度上可以从自然变率中体现出来，因此可以从统计方面
说明人工作业具有显著成效。最后我们利用熵权法和一级模糊综合评价法对所得统计效果
进行了评定(表1)，计算得到指标集U，权重集W，单因素评判矩阵R，和模糊综合评判结果B如
下：
[0186] U＝{r，f，t1，t2}
[0187] W＝{0.2，0.3，0.25，0.25}
[0188]
[0189]
[0190] 根据最大隶属度原则，确定此次人工增雪评价总得分为：
[0191] 0.55×100+0.45×75+0×50+0×25＝88.75分此次作业的评价结果为“优”，本次作业的综合评价指标及最终得分计算结果表1所示：
[0192] 表1
[0193]
