对流天气影响终端区模式识别系统技术方案

本发明专利技术属于机场终端区对流天气技术领域，具体涉及一种对流天气影响终端区模式识别系统，其中对流天气影响终端区模式识别服务器包括：获取模块，获取对流天气数据；特征构建模块，根据对流天气数据构建对流天气影响终端区特征；模型构建模块，根据特征构建对流天气对终端区影响的聚类模型；以及分析模块，根据聚类模型的聚类结果进行对比分析，实现了对不同聚类模型所得的聚类结果进行对比分析，从而得出最为符合实际管制场景的要求的聚类模型和结果，形成对流天气影响终端区的主要场景，每种场景即为一种对流天气影响终端区模式。种场景即为一种对流天气影响终端区模式。种场景即为一种对流天气影响终端区模式。

【技术实现步骤摘要】
对流天气影响终端区模式识别系统


[0001]本专利技术属于机场终端区对流天气
，具体涉及一种对流天气影响终端区模式识别系统。

技术介绍

[0002]2019年全年民航行业的主要生产指标继续维持稳定迅速的增长，在所有航班中，属于放行正常范畴的航空器架次总计377万，占比为82％。造成航班起飞和降落时间不正常的原因有许多类别，其中天气原因是造成航班起飞和降落不正常的主要原因，占不正常航班总数的47.46％，这说明天气已然成为致使航班产生延误的最为主要的因素，而天气类别中的对流天气是占比最高的因素。对流天气发生以后，因其持续时间不同、范围影响不同、发生时刻不同，所造成的容量下降的情况严重程度不一样。由此可见，如何快速识别终端区的对流天气会造成的影响，对是否能够实现相应的起降容量的预测至关重要。在不同的天气条件下，对空域容量进行迅速而精准的预测，有利于提前形成较为合理的空域与交通管理方法，有利于提高空域资源利用率，尽量减少因容量发生突变而带来的航班延误情况。
[0003]目前，在研究对流天气对终端区产生的影响场景分类时，前人采用的方式多是以整张雷达图作为样本，提取整张图片的主要特征进而直接聚类，但这种聚类方式可能使得在距离度量上相同的天气被聚到同一类当中，而忽略其对终端区各组成要素的影响。
[0004]因此，基于上述技术问题需要设计一种新的对流天气影响终端区模式识别系统。

技术实现思路

[0005]本专利技术的目的是提供一种对流天气影响终端区模式识别系统。
[0006]为了解决上述技术问题，本专利技术提供了一种对流天气影响终端区模式识别服务器，包括：
[0007]获取模块，获取对流天气数据；
[0008]特征构建模块，根据对流天气数据构建对流天气影响终端区特征；
[0009]模型构建模块，根据特征构建对流天气对终端区影响的聚类模型；以及
[0010]分析模块，根据聚类模型的聚类结果进行对比分析。
[0011]进一步，所述获取模块适于获取对流天气数据，即
[0012]根据原始的雷达反射率图获取WAF数据，并将WAF数据中中心位于终端区中心预设范围之外的天气数据删除。
[0013]进一步，所述特征构建模块适于根据对流天气数据构建对流天气影响终端区特征，即
[0014]构建对流天气对主要离场点的影响特征；
[0015]获取对流天气对终端区的主要离场点YIN，流控随天气覆盖比重的变化为：
[0016][0017]其中，q
YIN
为从YIN离场的两架航空器之间的放行时间间隔；β为WAF覆盖终端区边界的比重，正值为WAF覆盖在YIN点离场方向左侧，负值为WAF覆盖在YIN点离场方向右侧；
[0018]WAF凸包集合为WAF＝{WAF1,WAF2,...,WAF
n
}，
[0019][0020]其中，决策变量x为0
‑
1变量，判断WAF是否覆盖集合D当中的任一离场点；
[0021]当x＝1,D
i
∈D时，D
i
的边界覆盖比重为：
[0022][0023]β
i
为D
i
的边界覆盖比重；d
wxl
为以D
i
为起点WAF凸包左边覆盖的线段长度；d
wxr
为以D
i
为起点WAF凸包右边覆盖的线段长度；d
il
为与D
i
相邻的左边终端区边界长度；d
ir
为与D
i
相邻的右边终端区边界长度。
[0024]进一步，所述特征构建模块适于根据对流天气数据构建对流天气影响终端区特征，即
[0025]对流天气对主要进场走廊的影响特征，天气危险指数和可用流容比；
[0026]所述天气危险指数为WSI，空域被危险天气覆盖的比例；
[0027][0028]其中，S
wx
为被对流天气覆盖的空域面积；S为空域的总面积；
[0029]当WSI超过预设阈值时，该空域失去通行能力；
[0030]所述可用流容比为未被天气覆盖的区域允许航空器通行的能力；
[0031]基于最大流最小割的第j个WAF凸包的可用流容比为：
[0032][0033]其中，AFCR
kj
为在第j个WAF凸包的影响下的第k个进场走廊多边形的可用流容比；Mincut
j
为在第j个WAF凸包的影响下的第k个进场走廊多边形的最小割；Mincut
k0
为良好天气下第k个进场走廊多边形的最小割；e
t
和e
b
分别代表进场走廊多边形的顶边和底边；d
min
为最短距离。
[0034]进一步，所述模型构建模块适于根据特征构建对流天气对终端区影响的聚类模
型，即
[0035]对流天气的K
‑
means聚类分析；
[0036]在所提取的对流天气凸包样本数据中随机选择k个对流天气样本数据点作为初始聚类中心；
[0037]计算其余的对流天气样本与聚类中心的欧式距离，并把各对流天气样本标记为离k个聚类中心最为接近的类别；
[0038]重新计算各类别中对流天气样本的平均值，并将对流天气样本的平均值作为新的k个聚类中心，直至聚类中心的变化趋势变得平稳，构成了最后的k个类别。
[0039]进一步，所述模型构建模块适于根据特征构建对流天气对终端区影响的聚类模型，即
[0040]对流天气的谱聚类聚类分析；
[0041]根据高斯核距离的方式生成样本的高斯相似度矩阵R；
[0042]基于高斯相似矩阵R建立邻接矩阵W，构建度矩阵G；
[0043]获取尚未标准化的拉普拉斯矩阵L，L＝G
‑
R；
[0044]构建归一化后的拉普拉斯矩阵G
‑
1/2LG
‑
1/2；
[0045]获取G
‑
1/2LG
‑
1/2最小的k1个特征值所各自对应的特征向量f；
[0046]各类对应的特征向量f组成的矩阵进行按行标准化，获取n
×
k1维的特征矩阵F；
[0047]对F中的每一行作为一个k1维的样本，共n个样本，根据k
‑
means进行聚类，聚类的维度为k2，获取类别划分N(n1,n2,...,n
k2
)。
[0048]进一步，所述模型构建模块适于根据特征构建对流天气对终端区影响的聚类模型，即
[0049]对流天气的高斯混合聚类分析；
[0050]样本集D＝{x1,x2,...,x
m
}服从高斯分布；
[0051]初始化高斯混合分布的模型参数π
i
，μ
i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对流天气影响终端区模式识别服务器，其特征在于，包括：获取模块，获取对流天气数据；特征构建模块，根据对流天气数据构建对流天气影响终端区特征；模型构建模块，根据特征构建对流天气对终端区影响的聚类模型；以及分析模块，根据聚类模型的聚类结果进行对比分析。2.如权利要求1所述的对流天气影响终端区模式识别服务器，其特征在于，所述获取模块适于获取对流天气数据，即根据原始的雷达反射率图获取WAF数据，并将WAF数据中中心位于终端区中心预设范围之外的天气数据删除。3.如权利要求2所述的对流天气影响终端区模式识别服务器，其特征在于，所述特征构建模块适于根据对流天气数据构建对流天气影响终端区特征，即构建对流天气对主要离场点的影响特征；获取对流天气对终端区的主要离场点YIN，流控随天气覆盖比重的变化为：其中，q
YIN
为从YIN离场的两架航空器之间的放行时间间隔；β为WAF覆盖终端区边界的比重，正值为WAF覆盖在YIN点离场方向左侧，负值为WAF覆盖在YIN点离场方向右侧；WAF凸包集合为WAF＝{WAF1,WAF2,...,WAF
n
}，其中，决策变量x为0
‑
1变量，判断WAF是否覆盖集合D当中的任一离场点；当x＝1,D
i
∈D时，D
i
的边界覆盖比重为：β
i
为D
i
的边界覆盖比重；d
wxl
为以D
i
为起点WAF凸包左边覆盖的线段长度；d
wxr
为以D
i
为起点WAF凸包右边覆盖的线段长度；d
il
为与D
i
相邻的左边终端区边界长度；d
ir
为与D
i
相邻的右边终端区边界长度。4.如权利要求3所述的对流天气影响终端区模式识别服务器，其特征在于，所述特征构建模块适于根据对流天气数据构建对流天气影响终端区特征，即对流天气对主要进场走廊的影响特征，天气危险指数和可用流容比；所述天气危险指数为WSI，空域被危险天气覆盖的比例；
其中，S
wx
为被对流天气覆盖的空域面积；S为空域的总面积；当WSI超过预设阈值时，该空域失去通行能力；所述可用流容比为未被天气覆盖的区域允许航空器通行的能力；基于最大流最小割的第j个WAF凸包的可用流容比为：其中，AFCR
kj
为在第j个WAF凸包的影响下的第k个进场走廊多边形的可用流容比；Mincut
j
为在第j个WAF凸包的影响下的第k个进场走廊多边形的最小割；Mincut
k0
为良好天气下第k个进场走廊多边形的最小割；e
t
和e
b
分...

【专利技术属性】
技术研发人员：彭瑛，王洪，郭聪聪，赵征，李昌城，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：