В группу распознавания образов входят несколько методов, использующих аппарат математической статистики.
Синоптический (стандартный) метод
Методики фонового прогноза лавинной опасности, использующие синоптический метод, строятся на сопоставлении статистической информации о сходах лавин с синоптическими ситуациями и связанными с ними погодными условиями. Циклонические процессы, вторжения воздушных масс вызывают выпадения осадков, изменения направления и скорости ветра, температуры воздуха – ведущих факторов лавинообразования. В зависимости от направления движения, глубины циклона и продолжительности его действия различается характер влияния на разные районы исследуемой территории – высота местности, экспозиция и крутизна склонов, ориентация и ширина горных долин обеспечивают многообразную реакцию снежного покрова. В то же время действие определенных процессов не способствует формированию лавин и приводит к стабилизации снежного покрова на склонах.
Типизация атмосферных процессов для прогнозов лавинной опасности производится чаще всего по направлению их движения . Типизация циклонов, приводящих к возникновению лавин в центральных районах Магаданской области, по траекториям движения) [58]. При классифицировании атмосферных процессов дается комплексная характеристика метеорологических явлений в период их влияния.
Ежедневный анализ синоптической обстановки с целью обнаружения и опознавания различных типов атмосферных процессов позволяет составлять фоновый мелкомасштабный прогноз лавинной опасности со значительной (24 часа и более) заблаговременностью.
Участие в составлении прогноза эксперта, обладающего текущей снеголавинной информацией и знающего предшествующую обстановку, позволяет осуществлять детализацию прогноза (указание возможных мест схода) и добиваться удовлетворительных для фонового регионального прогноза результатов. Оправдываемость прогнозов, составленных с использованием синоптического метода, достигает 65-70% [71]. При прогнозе на период лавинной опасности она повышается до 80-90% [21, 58] . На качестве прогноза сказывается, что помимо погрешностей в опознавании лавинной ситуации, связанных с определением состояния снега, такие методы содержат и ошибки, заложенные в самой аэросиноптической информации [26].
Методики прогноза, основанные на синоптическом методе имеются для Хибинского горного массива [21], центральных районов Магаданской области [58], Приэльбрусья [8], Чукотского полуострова [17]. Определены синоптические условия возникновения лавинной опасности для пограничных районов России [49].
Рассмотрение макропроцессов, циклонической деятельности, синоптических ситуаций, а также метеорологических условий массового схода особо крупных (малой повторяемости) лавин по различным горным регионам страны позволило обобщить закономерности и выявить сходство условий образования особо крупных лавин в различных климатических и географических районах страны [56]:
- в районах с высокой циклонической деятельностью (Хибины, Бырранга, Сихотэ-Алинь, Сахалин, Камчатка) массовый сход связан с интенсивностью циклонической деятельности, характеризующейся числом дней с глубокими циклонами.
- в районах со средней циклонической активностью (Кавказ) массовый сход отмечается как в зимы с увеличением числа дней с циклонической деятельностью, так и в зимы с числом глубоких циклонов выше нормы.
- во внутриконтинентальных районах массовый сход связан просто с увеличением числа дней с циклонической деятельностью за холодный период.
При этом в районах с высокой и низкой циклонической деятельностью массовые сходы связаны с обычными синоптическими ситуациями, а в районах со средней циклонической активностью синоптические условия характеризуются аномальностью развития и продолжительности.
Анализ снежности показал, что такие события происходят в зимы с обеспеченностью высоты снежного покрова менее 10%.
Графический метод
Серия наблюдений снежно-метеорологических характеристик дает в пространстве некоторое число точек, соответствующих определенному образу. В случае использования двух признаков пространство образов наглядно изображается на плоскости. При рассмотрении более 2 признаков используются проекции точек на плоскость. Строится кривая, разделяющая случаи с лавинами и без лавин. Графическая регрессия может применяться без задания математического вида зависимости между переменными. Опознавание образа сводится к установлению положения точки, отвечающей текущей снеголавинной ситуации, на прогностическом графике относительно кривой. При этом допускается вероятностный подход, при котором в пространстве образов задается поле вероятностей - Изолинии вероятностей схода лавин на плоскости: суммарное количество осадков за снегопад – дни с холодной и теплой погодой) [94]. Линия, разграничивающая области графика с лавинами и без, интерпретируется как изолиния нулевой вероятности схода лавин. При проведении изолиний для различных частот схода лавин определяется вероятность лавинообразования.
Точки могут группироваться вокруг некоторых центров распределения, по близости расположения к которым, рассматривается местоположение всех других точек в пространстве. Таким образом, можно выделить несколько классов ситуаций. Опознавание (определение степени сходства) может производится по расстоянию между точками, углу между векторами, включению образа внутрь области [38].
Чаще всего при графическом решении используются метеорологические характеристики, т.е. оцениваются текущие погодные условия и определяется момент достижения критических значений
В ряде методик прогноза применяются данные специализированных наблюдений, напрямую описывающие снежный покров и нагрузки на склоне – интенсивность метелевого переноса [3], плотность свежевыпавшего снега [41]. На графике могут быть отражены условия схода лавин разных генетических типов.
Наличие продолжительных рядов наблюдений позволяет получить графические зависимости для оценки объемов ожидаемых лавин.
Графические связи получены для прогноза лавин вызванных метелевым переносом в Хибинах [3], лавин во время снегопадов (отдельные районы Магаданской области, бассейн р.Томь [36]), мокрых лавин (бассейн р.Томь [36]), сухих лавин при снегопадах и метелях (бассейн р. Ангаракан [32]).
Отмечается [12], что графический метод может давать лучшие результаты, чем численные расчеты на одной и той же выборке. Проведенная от руки линия более точно разделяет лавиноопасные и нелавиноопасные ситуации, чем линейная функция. Оправдываемость прогнозов и предупрежденность явления с применением графического метода по данным производственных испытаний могут превышать 90% [36].
Графические эмпирические зависимости получены и для случаев длительного развития процессов лавинообразования. Регулярные наблюдения в шурфах позволяют Семейство прямых построено по результатам изучения стратиграфии и структуры снежной толщи с послойным определением среднего диаметра кристаллов и плотности снега, косвенно характеризующих механическую прочность. Оно разбито на пять структурно-плотностных зон, характеризующихся интервалом критических значений толщины снежных досок, формирующих разные по размерам лавины [7]. Такой подход применяется при предупредительных спусках снежных лавин для расчета времени проведения наиболее эффективного воздействия на снежный покров [43].
Регрессионный анализ
При прогнозе времени схода лавин с использованием уравнений регрессии предполагается, что текущие условия или направление их изменения будут сохраняться на протяжении некоторого времени. Периодические уточнения позволяют вносить коррективы в прогноз. Эмпирические формулы для разных генетических типов лавин получены для Главного Кавказского хребта [1].
Метод множественной линейной регрессии применяется также для расчета возможного количества лавин в районе при прогнозе «лавиноопасно», для определения количества лавин, перекрывающих автодорогу (т.е. оценка дальности выброса) и для оценки максимального объема лавин [22].
Проверка методов прогноза времени лавин на независимом материале показала возможность использования их в оперативной практике. Средняя оправдываемость прогнозов составляет 80-87%.
Дискриминантный анализ
Фоновый прогноз лавин может рассматриваться как задача классификации при многомерных наблюдениях [6]. При разделении ситуаций на лавиноопасные и нелавиноопасные применяется метод распознавания, основанный на алгоритме линейной дискриминантной функции. В ходе прогноза определяется принадлежность настоящего образа к одной из двух групп. Решающим правилом прогноза является сравнение дискриминантной функции D с пороговым значением R: при DV R сход лавин ожидается, при D<R сход лавин не ожидается.
Метод удобен для создания альтернативного прогноза лавинной опасности. Поэтому использование линейных дискриминантных функций для прогноза лавинной опасности получило широкое распространение в оперативной практике в СССР.
Наиболее часто линейный дискриминантный анализ применяется для разделения ситуаций на лавиноопасные и нелавиноопасные во время снегопадов и метелей. В качестве предикторов используются текущие значения снежно-метеорологических характеристик.
Дискриминантный анализ может использоваться для исследования синоптических процессов и определения их влияния на лавинную опасность обширных горных территорий. На статистическом материале устанавливаются типы синоптических процессов, обуславливающие сход лавин на определенной территории (описано в разделе «синоптический метод»). При ожидании (прогнозе) развития опасного процесса, с использованием линейной дискриминантной функции производится опознавание ситуации как лавиноопасной или нелавиноопасной. В качестве предикторов для прогноза используются термо-гигрометрические характеристики воздушных масс. Прогноз лавинной опасности дается по полученным для каждого типа синоптических ситуаций уравнениям.