The invention relates to a low-altitude wind shear identification method based on automatic weather station, which includes the following steps: acquiring the historical data of each wind element in the monitoring area; quality control and time synchronization of the historical data to obtain the data list; selecting the effective data of actual wind shear, calculating the shear value of each wind element; and scaling the standard of distance between two stations of automatic weather station. Comparing with the threshold value of wind shear discrimination, the label of whether wind shear occurs or not is obtained; the label of each wind element is taken as input and whether wind shear occurs as result to form data set, and the SMOTE algorithm is used to balance the number of two label types; the machine learning method is used to train and output the recognition model; the latest data of each automatic weather station is read and the identification model is input. The recognition result is obtained. The method of the invention has the advantages of high recognition accuracy and good local adaptability, can effectively identify the horizontal wind shear near the ground of the runway, and improves the guarantee efficiency of the meteorological service.
【技术实现步骤摘要】
一种基于自动气象站的低空风切变识别方法
本专利技术涉及自动气象站数据分析领域,具体地讲涉及一种基于自动气象站的低空风切变识别方法。
技术介绍
风切变是一种常见的大气现象,指在同一高度或不同高度短距离内风向(或)风速的快速变化。根据风向变化的不同,风切变可以分为水平风的水平切变、水平风的垂直切变和垂直风的切变。其中在飞行高度600米以下、主要在飞机起降阶段发生的风切变,称为低空风切变。据世界气象组织和国际民航组织统计,低空风切变是对飞机起降阶段飞行安全威胁最大的天气现象,许多重大空难事故是由低空风切变引起。而在飞机降落时,对于决断高度以下的风场情况是观测的重中之重。目前,国内外对于风切变的探测识别主要依靠相关的设备探测区域内空间风场的分布和变化情况。自动气象站一般部署于跑道两侧,用于直观获取跑道附近近自动的水平风场,因此在传统风切变识别方法中,可以利用自动气象站数据计算地面风水平切变。其中,较为成熟有效的系统是美国的LLWAS系统,但其对地面测风设备的部署数量和位置有较高的要求,且对局地地形、气候特点、设备特性的针对性不足。当前许多中小机场在建设中未配备如LLWAS系统所要求数量和安装位置的地面测风设备,LLWAS系统风切变算法在本地的适应性也未经验证可靠,实际业务中主要依靠预报员的判断,准确度和覆盖度仍有提升空间。
技术实现思路
根据现有技术中存在的问题,本专利技术提供了一种基于自动气象站的低空风切变识别方法,其具有识别精度高、局地适应性好的优点,能够对跑道近地面水平风切变进行有效的识别,提高了气象服务的保障效率。本专利技术采用以下技术方案:一种基于自动气象站 ...
【技术保护点】
1.一种基于自动气象站的低空风切变识别方法,其特征在于,包括如下步骤:S1,获取监测区域内所有自动气象站采集到的各风要素的历史数据;S2,对历史数据进行质量控制以剔除异常数据,得到各风要素的有效数据,并根据设定的数据时刻对有效数据进行时间同步,得到有效数据对应的数据列表;S3,选取数据列表中实际发生风切变的时刻前后设定的时间范围内的有效数据,计算得到该监测区域内的所有自动气象站两两站间对应的各风要素每个数据时刻的切变值;S4,将所述监测区域内的自动气象站两两站间的距离按比例缩放标准值,将缩放后的标准值与风切变判别阈值比较,进而得到每个数据时刻是否发生风切变,并给出每个数据时刻是否发生风切变的标签;S5,将每个时刻数据的各风要素作为输入、是否发生风切变的标签作为结果构成数据集,并使用SMOTE算法扩充数据集使得是否发生风切变的两种标签类型数量平衡,得到平衡后的数据集;S6,利用机器学习方法对平衡后的数据集进行训练,选取查全率最好的训练结果,并输出相应的模型,以此模型作为识别模型;S7,实时读取监测区域的各自动气象站的最新数据,采用步骤S2的方法对最新数据进行预处理,并将处理后的数据输入所 ...
【技术特征摘要】
1.一种基于自动气象站的低空风切变识别方法,其特征在于,包括如下步骤:S1,获取监测区域内所有自动气象站采集到的各风要素的历史数据;S2,对历史数据进行质量控制以剔除异常数据,得到各风要素的有效数据,并根据设定的数据时刻对有效数据进行时间同步,得到有效数据对应的数据列表;S3,选取数据列表中实际发生风切变的时刻前后设定的时间范围内的有效数据,计算得到该监测区域内的所有自动气象站两两站间对应的各风要素每个数据时刻的切变值;S4,将所述监测区域内的自动气象站两两站间的距离按比例缩放标准值,将缩放后的标准值与风切变判别阈值比较,进而得到每个数据时刻是否发生风切变,并给出每个数据时刻是否发生风切变的标签;S5,将每个时刻数据的各风要素作为输入、是否发生风切变的标签作为结果构成数据集,并使用SMOTE算法扩充数据集使得是否发生风切变的两种标签类型数量平衡,得到平衡后的数据集;S6,利用机器学习方法对平衡后的数据集进行训练,选取查全率最好的训练结果,并输出相应的模型,以此模型作为识别模型;S7,实时读取监测区域的各自动气象站的最新数据,采用步骤S2的方法对最新数据进行预处理,并将处理后的数据输入所述识别模型,进而得到识别结果。2.根据权利要求1所述的一种基于自动气象站的低空风切变识别方法,其特征在于:步骤S1中,所述风要素包括瞬时风速、瞬时风向、阵风风速、阵风风向、两分钟平均风速、两分钟平均风向、两分钟最大风速、两分钟最大风向、十分钟平均风速、十分钟平均风向、十分钟最大风速、十分钟最大风向。3.根据权利要求2所述的一种基于自动气象站的低空风切变识别方法,其特征在于;步骤S2中,对历史数据进行质量控制包括数据标准化检查处理、气候学界限值检查处理、极值范围检查处理、内部一致性检查处理、时间一致性检查处理;所述数据标准化检查处理是指对历史数据中出现的重复数据进行删除,并对历史数据相应的文件名、日期、时间、自动气象站的站点信息进行完善和格式统一;所述气候学界限值检查处理是指根据气象行业相关标准和监测区域所处的当地历史气候特征,对不可能出现的历史数据进行剔除;所述极值范围检查处理是指选取每个自动气象站采集的历史月平均风速为基本单位,计算每年该月平均风速的标准差,以该月历史最大风速加上两倍标准差作为极大值,以该月历史最小风速减掉两倍标准差作为极小值,剔除超过极大值、小于极小值的历史数据;所述内部一致性检查处理具体是指对各风要素间的物理联系进行检查处理,即根据十分钟最大风速≥两分钟最大风速、两分钟最大风速≥瞬时风速、风向为0°时则风速≤0.2m/s这些判断标准,剔除异常数据;所述时间一致性检查处理具体是指对某一当前时刻与此时刻之前的五分钟的相应的历史数据的变化率进行检查,对...
【专利技术属性】
技术研发人员:张靖,陈少应,刘淑昕,雷雅慧,余小强,刘志鹏,戚颖,仇逸菲,
申请(专利权)人:安徽四创电子股份有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。