基于AMDAR数据的对流云附近颠簸区预测方法研究

基于AMDAR数据的对流云附近颠簸区预测方法研究

论文摘要

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。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 对流云附近颠簸区预测方法的研究意义
  •   1.2 国内外研究现状
  •     1.2.1 飞机颠簸的观测
  •     1.2.2 理论机制研究
  •     1.2.3 颠簸的预报方法研究
  •     1.2.4 神经网络在天气预报中的应用
  •   1.3 本文研究的主要内容
  • 第二章 数据资料的获取与处理
  •   2.1 颠簸数据的来源
  •     2.1.1 AMDAR资料的提取方法
  •     2.1.2 NCEP/NCAR再分析数据的获取方法
  •     2.1.3 静止气象卫星云图数据的读取方法
  •   2.2 颠簸及相关数据的处理软件基础
  •     2.2.1 利用MATLAB处理nc文件和awx文件
  •     2.2.2 利用Gr ADS绘图软件进行绘图处理
  • 第三章 对流云附近颠簸点的数据提取方法
  •   3.1 颠簸案例采集
  •   3.2 颠簸案例的初步筛选
  •   3.3 卫星云图中对流云的提取
  •   3.4 数据同化处理
  •   3.5 本章小结
  • 第四章 对流云附近的颠簸个例物理特征分析
  •   4.1 个例选取
  •   4.2 流场分析
  •     4.2.1 垂直速度的分析
  •     4.2.2 散度的分析
  •     4.2.3 涡度的分析
  •   4.3 温度场的分析
  •   4.4 本章小结
  • 第五章 对流云附近颠簸的预测方法研究
  •   5.1 基于多元线性回归的对流云附近颠簸的预测模型
  •     5.1.1 多元线性回归模型概述
  •     5.1.2 回归模型的变量选择
  •     5.1.3 回归方程的分析及预测方程的确定
  •   5.2 基于神经网络的对流云附近颠簸的预测模型
  •     5.2.1 神经网络模型简介及模型的选定
  •     5.2.2 GRNN模型概述
  •     5.2.3 PNN模型概述
  •     5.2.4 建立GRNN和 PNN网络模型
  •   5.3 本章小结
  • 第六章 对流云附近的颠簸预报系统初步设计
  •   6.1 预报系统的设计思路
  •   6.2 预报系统的界面设计
  •   6.3 系统的局限性
  •   6.4 本章小结
  • 总结
  • 参考文献
  • 附录
  • 攻读硕士学位期间取得的学术成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 聂若莹

    导师: 王永忠

    关键词: 对流云颠簸,广义回归神经网络,概率回归神经网络

    来源: 中国民用航空飞行学院

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 气象学,航空航天科学与工程

    单位: 中国民用航空飞行学院

    分类号: V321.22

    总页数: 88

    文件大小: 5356K

    下载量: 112

    相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  

    基于AMDAR数据的对流云附近颠簸区预测方法研究
    下载Doc文档

    猜你喜欢