基于AMDAR数据的对流云附近颠簸区预测方法研究

发布时间：2020-03-31 01:42

【摘要】：目前国内外针对对流云颠簸的预防措施均为利用雷达监测避开该区域,从而可使大部分的飞机避开对流。但是由于飞机颠簸与气流速度有着强相关性,而上、下拽气流和高雷达反射率所对应的位置一般不同,飞机存在在雷达仪器建议的安全范围中发生强颠簸的情况,故研究一个适用于数据源较少的高层不稳定气流造成的颠簸预测模型极有必要。本文利用机载下传资料(即AMDAR数据)获取颠簸点数据,确定颠簸点坐标,并与该时间段的卫星云图进行比对,得到对流云附近的颠簸点集合。结合NCEP/NCAR再分析资料,绘制相关物理量场图对颠簸个例进行物理特征分析,筛选出对对流云附近颠簸点有重大影响的气象因素,并利用多元线性回归和广义回归神经网络以及概率回归神经网络建立预测模型,并对其进行对比评价。结果表明,广义回归神经网络对于对流云附近的颠簸预测有着较为满意的预测效果。首先介绍了目前国内外的相关研究以及对流云附近的颠簸研究预测模型建立的必要性和数据的获取源及处理工具。然后进行了数据的采集和利用卫星云图筛选出所需的对流云附近的颠簸点,并将其进行了同化处理。本文还绘制了相关物理量场的矢量图,并进行分析总结得出颠簸点总处于升降气流交界处,切变较大或是处于水平温度梯度较大的同时又有强烈的上升或下沉气流。可以看出高空处风向、风速及温度对飞机颠簸有较大影响。利用温度、位势高度、纬向风、经度风、垂直风速作为模型建立的自变量。进而利用多元线性回归法排除了这些自变量与颠簸之间存在明显线性关系这一可能性,同时验证了自变量彼此之间无相关性。验证了常用的BP神经网络和RBF神经网络均不能够很好的处理这种数据分布较为极端(仅存在重度颠簸和无颠簸两种状况)且学习样本较少的情况。最终选取了GRNN和PNN建立预测模型,均有良好的泛化性能,无需进行迭代,计算量小,可以高效且准确的预测是否发生颠簸。尤其是广义回归神经网络,试验中预测时间均在0.11s以下,预测准确率最高可达86.66%,其中,位势高度、垂直风速、纬向风速对颠簸预测的相关性较大,即选取这三者作为自变量时准确率最高。最后给出了预报系统的初步设计思路,为签派和管制人员选取建议绕飞路线提供了辅助参考资料。
【图文】：

传输链,资料

.1.1AMDAR 资料的提取方法本文所有颠簸点的发生地球坐标以及航线走向均由 AMDAR 数据资料中获取，并从 AMDAR 资料中所获温度、风速等相关气象因素数值大小在后期与 NCEP 再分析料中相对应网格位置的相应气象要素数值进行初步比较，以确保数据资料的质量，排一些因测量源或者其他原因而导致的一些特殊偏差，从而影响后续模型的最后效果。AMDAR[36](aircraft meteorological data relay)系统是指利用航空器上装载的传感器如温度传感器等）和导航系统接收到的原始数据通过机载设备解码后再传输至地面接站，再由各国的国家气象局信息中心进行处理、规整及必要的质量控制传输到 GTSglobal telecommunication system）进行全球数据交换。AMDAR 资料早期包括的气象息为时间、经纬度、飞行高度、风向、风速等，，发展至今增加了 DEVG 和 EDR 以及他对航行安全保障有重要意义的数据。图 2.1 很清晰的展示了 AMDAR 数据资料的传链。

飞机,报文格式,官方,普通用户

图 2.2 飞机报文内容图 2.3 飞机报文格式用于交换的飞机报文仅限于相关部门内部传阅，普通用户无法获取，可采取AR 具体信息的方式为 NASA 官方提供的 AMDAR java page。这些数据不
【学位授予单位】：中国民用航空飞行学院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V321.22

【相似文献】