贝叶斯推断实战：台风"白海豚"的两条路径与概率预报

8 月 4 日，"白海豚"再次加强为超强台风。央视网、新京报、中山网几乎同时发出提醒：预计有 2 条路径可能影响我国，移速可能比预期加快。细心的读者会发现，气象部门不再说"台风将去哪里"，而是说"有哪几种可能、各占多大概率"。这种表达方式的转变，背后正是贝叶斯推断在天气预报中的深度应用——台风路径预报线从来不是一条确定的线，而是一簇带概率的线。

一、贝叶斯推断是什么：先有判断，再用数据修正

贝叶斯推断的核心公式可以写成一句话：后验概率＝先验概率×似然，再归一化。拆开看就是三样东西。

先验概率：在拿到新数据之前，我们对某件事的初始判断。比如台风生成季节、历史路径气候统计，都构成先验。似然：如果某条路径是真的，那么"观测到当前数据"的可能性有多大——这是数据说话的部分。后验概率：把先验和数据结合之后，更新过的判断。

二、为什么台风路径预报"必须"是概率

过去人们想要一条确定的路径线，但大气系统是混沌的：初始场差一点点，72 小时后路径可以差出几百公里。与其假装精确，不如承认不确定、把不确定性量化。所以现在的主流做法是集合预报：用一组略微不同的初始条件跑几十次数值模式，得到几十条路径，统计它们在各地的密集程度，就得到概率分布。贝叶斯推断则进一步把"气候先验"和"本次集合预报结果"融合起来，给出更可靠的概率。

8 月 4 日"白海豚"的预报正是如此：数值模式聚成两簇——一簇偏西影响我国近海，一簇偏北转向，于是官方给出"2 条路径、概率各约五成"的表述，并强调"7 日前对我国近海海域无影响，但仍需持续关注"。这不是气象台含糊，而是严谨。

三、从"一条线"到"概率锥"：预报产品进化史

把时间拉长看，台风路径预报产品经历了三代。第一代是单线预报：只给一条确定性路径，公众理解简单，但误差大，极端情况（如"白海豚"这种路径反复摇摆的台风）容易被打脸。第二代是误差圈与路径集合：给出各时刻的误差半径，或者一次画几十条集合成员路径，让"不确定性"第一次可见。第三代就是当前主流：概率锥与概率分布——把集合成员在各地出现的频次换算成概率，用颜色深浅画在地图上，同时给出分位点区间。

贝叶斯推断在第三代产品里扮演的角色，是"把气候先验和本次集合预报融合"：当集合预报各成员比较发散时，先验的影响会变大；当观测约束强时，数据会迅速把概率收敛。8 月 4 日"白海豚"的两条路径预报，正是这种融合后的输出——官方不赌单线，而是给出一簇可能，并持续更新。

四、完整算例：两条路径的概率是怎么算出来的

假设台风 72 小时后有两条候选路径：路径甲（偏西，可能影响华南沿海）与路径乙（偏北，在海上转向）。我们想求：给定当前观测，路径甲的后验概率。

第一步，定先验。根据气候统计，该季节、该生成位置的历史样本中，类似台风走路径甲的比例为 40%，走路径乙为 60%。第二步，算似然。用集合预报评估：如果台风真走路径甲，能拟合当前卫星观测的概率是 0.8；如果走路径乙，拟合当前观测的概率是 0.5（因为乙与当前云系结构的匹配度略低）。第三步，套公式算后验。路径甲的后验概率＝0.4×0.8÷（0.4×0.8＋0.6×0.5）＝0.32÷0.62≈0.516，即约 52%；路径乙约为 48%。

先验里路径乙占优，但观测数据更支持路径甲，最终后验翻转成甲略占优。这就是贝叶斯推断最迷人的地方：判断会随着新数据不断更新。下次观测一进来，后验又变成新的先验，循环往复。

五、贝叶斯推断在国赛里的三个典型用法

第一，分类问题。朴素贝叶斯分类器是贝叶斯定理最经典的落地：给定一组特征，计算"属于每个类别的后验概率"，取最大者。垃圾短信识别、文本分类、故障诊断都能用。第二，参数估计与更新。设备可靠性、发病率等参数，可以先给先验，再随着样本更新后验，非常适合"分阶段收集数据"的题目。第三，决策融合。多个模型给出不同预测时，用贝叶斯框架按可靠性加权融合，比简单平均更稳。

六、从台风到国赛：一个通用的贝叶斯建模模板

无论题目是设备故障诊断、产品销量预测还是用户分类，都可以套这个五步模板。第一步，明确事件空间：把所有可能的"状态"或"假设"列全，比如台风的两条路径、设备的三种故障模式。第二步，给出先验：从历史数据、专家经验或业务规则中获得，并注明依据。第三步，构造似然：说明每个假设下"观测到当前数据"的概率如何计算或估计。第四步，计算后验：分子是先验乘似然，分母是所有假设的分子之和。第五步，决策与更新：用后验做决策（取最大后验），并说明新数据到来后如何迭代更新。

值得强调的是，贝叶斯框架特别适合国赛里"先建模、后验证、再讨论"的叙事结构：论文从"我们一开始的假设"讲到"数据如何修正了假设"，本身就是一篇有故事性的论文。

七、写作建议：怎么把贝叶斯写进论文不翻车

第一，先验必须有出处。评委最反感"先验拍脑袋"，给出气候统计、历史数据或专家经验作为依据即可。第二，似然要能解释。说清楚"观测与假设的吻合度"是如何度量的。第三，做敏感性分析：先验取不同值时，后验结论是否稳健。第四，画图：把先验、后验的变化过程画出来，或者画不同先验下的结论对比，比堆公式有说服力得多。第五，诚实交代局限：集合预报的离散度、观测误差都会影响概率，论文里点一句，反而加分。

八、写在最后

"白海豚"仍在太平洋上移动，8 月 4 日之后的每一次观测都会刷新它的路径概率。贝叶斯推断教会我们的，不只是算一个后验概率，更是一种世界观：面对不确定，不假装确定，而是把不确定变成可以计算的数字，再让新数据不断修正它。这种"用数据更新判断"的思维，无论是写国赛论文、做科研，还是做商业决策，都是受益终身的底层能力。

再补充一个国赛高频追问的应对思路：评委常问"你的先验是不是拍脑袋定的"。标准回答分三步——先说明先验来源（历史统计/领域规律/专家访谈），再展示先验取不同值时的后验敏感性表，最后强调结论在先验合理范围内稳健。这三步答完，贝叶斯的论文就站得住。事实上，近几年气象、金融、制造领域的高水平论文里，贝叶斯方法出现的频率越来越高，学会它，你写出的"不确定性的量化"就不会只是空话。