一种基于数值天气预报的垂直能见度计算方法技术

本发明专利技术属于天气预报技术领域，公开了一种基于数值天气预报的垂直能见度计算方法，方法包括：通过大气雾霾预测模块根据建立的神经模糊模型针对监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度，根据所述模糊结果得出大气雾霾预测结果，能够有效提升对大气雾霾预测的实时性、有效性和准确性；系统包括：大气数据统计模块、中央控制模块、大气状况判断模块、云底高度预测模块、大气雾霾预测模块、大气辐射计算模块、能见度计算模块、显示模块。本发明专利技术同时，通过垂直能见度计算模块可以大大提高计算大气垂直能见度的准确性。计算大气垂直能见度的准确性。计算大气垂直能见度的准确性。

【技术实现步骤摘要】
一种基于数值天气预报的垂直能见度计算方法


[0001]本专利技术属于天气预报
，尤其涉及一种基于数值天气预报的垂直能见度计算方法。

技术介绍

[0002]能见度按观测方向分为水平能见度、垂直能见度和倾斜能见度。垂直能见度是指视力正常者垂直向上(或向下)能识别黑色目标物的最大距离，夜间则是能看到和确定出一定强度灯光的最大距离。垂直能见度的大小，主要由两个因素决定：
①
目标物与衬托它的背景之间的亮度差异。差异愈大(小)，能见距离愈大(小)。但这种亮度差异通常变化不大。
②
大气透明度。观测者与目标物间的气层能减弱前述的亮度差异。大气透明度愈差(好)，能见距离愈小(大)。所以垂直能见度的变化主要取决于大气透明度的好坏。而雾、霾、烟、沙尘、雪、雨等天气现象可使大气浑浊，透明度变小。这些天气现象与大气中的气溶胶粒子数浓度及谱分布有关。气溶胶质粒产生的散射光减少了目标与背景的视亮度对比，限制了可视距离。
[0003]目前，对于水平能见度主要基于大气气溶胶参数来计算，通过地面消光系数、大气气溶胶光学厚度和波长等参数计算出地面能见度。在数值天气预报中，往往采用模式预报的液态水含量来计算。也有基于大气温度、相对湿度、风速等基本气象要素预报雾的统计预报方法，进而计算水平能见度。由于大气水汽含量在垂直方向不均匀，用于水平能见度计算的方法在垂直方向并不适用。在大气探测中，常采用激光雷达探测大气的云况和反演的大气垂直消光系数计算大气的垂直能见度。在数值天气预报中，很少有数值模式计算垂直能见度，在一些对垂直能见度有需求的数值预报业务中，常通过水汽含量垂直积分的方法结合云和雾霾的预报来计算垂直能见度，但由于云和雾霾预报不能准确预报，计算的结果和观测数据对比表明垂直能见度计算不够准确。
[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005](1)现有基于数值天气预报的垂直能见度计算方法不能对大气雾霾进行准确预测。
[0006](2)对大气垂直能见度计算不准确。

技术实现思路

[0007]针对现有技术存在的问题，本专利技术提供了一种基于数值天气预报的垂直能见度计算方法。
[0008]本专利技术是这样实现的，一种基于数值天气预报的垂直能见度计算方法包括以下步骤：
[0009]步骤一，通过大气数据统计模块利用统计程序统计大气温度、湿度、雾气浓度、气压等数据；
[0010]步骤二，中央控制模块通过大气状况判断模块利用判断程序根据统计的大气数据
判断大气状况；
[0011]步骤三，通过云底高度预测模块预测云底高度；通过大气雾霾预测模块利用预测程序预测大气雾霾；
[0012]步骤四，通过大气辐射计算模块计算大气辐射；通过垂直能见度计算模块计算大气垂直能见度；
[0013]步骤五，通过显示模块利用显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。
[0014]一种基于数值天气预报的垂直能见度计算方法包括：
[0015]大气数据统计模块、中央控制模块、大气状况判断模块、云底高度预测模块、大气雾霾预测模块、大气辐射计算模块、垂直能见度计算模块、显示模块；
[0016]大气数据统计模块，与中央控制模块连接，用于通过统计程序统计大气温度、湿度、雾气浓度、气压等数据；
[0017]中央控制模块，与大气数据统计模块、大气状况判断模块、云底高度预测模块、大气雾霾预测模块、大气辐射计算模块、能见度计算模块、显示模块连接，用于控制各个模块正常工作；
[0018]大气状况判断模块，与中央控制模块连接，用于通过判断程序根据统计的大气数据判断大气状况；
[0019]云底高度预测模块，与中央控制模块连接，用于通过预测程序预测云底高度；
[0020]大气雾霾预测模块，与中央控制模块连接，用于通过预测程序预测大气雾霾；
[0021]大气辐射计算模块，与中央控制模块连接，用于计算大气辐射；
[0022]垂直能见度计算模块，与中央控制模块连接，用于计算大气垂直能见度；
[0023]显示模块，与中央控制模块连接，用于通过显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。
[0024]进一步，所述云底高度预测模块预测方法如下：
[0025](1)云分为对流云和层状云，要分别计算其云底高度；
[0026](2)对流云云底计算方法如下：建立云中水汽含量与大气消光系数之间的统计关系，通过对云中水汽相态和含量计算云底高度。具体方法如下：不考虑气溶胶的散射和消光，用水凝物混合比计算云底高，即：式中，0.02表示大气总透射率为2％，β为消光系数，Z
c
为云底高度(抬升凝结高度)。对于云水，β＝144.7ρ
0.88
；对于云冰，β＝163.9ρ
1.00
，对于雨滴，β＝1.1ρ
0.75
；对于雪，β＝10.4ρ
0.78
，其中，ρ为水汽密度。
[0027](3)层状云底主要通过相对湿度来计算，按照经验公式，即当相对湿度f≥87％时即为云底高度。
[0028]进一步，所述大气雾霾预测模块预测方法如下：
[0029](1)构建大气数据库，将大气监测数据存入大气数据库中；确定所在大气监测区域内的监控点；
[0030](2)根据在所述大气监测区域内监控点的数据信息选择多个有效观察值作为预测大气雾霾的标准，并建立神经模糊模型，其中，所述数据信息包括第一数据信息和第二数据信息，所述神经模糊模型包括MLR模型、ANN模型和NF模型；
[0031](3)针对每个监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第
一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度；根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，并根据所述模糊结果进行加权平均得出大气雾霾预测结果。
[0032]进一步，所述监控点包括环境评价点、对照点、区域边界点和交通点。
[0033]进一步，所述根据所述模糊结果得出大气雾霾预测结果的步骤之后，所述大气雾霾预测方法还包括：
[0034]根据训练样本集对所述神经模糊模型进行训练，计算出所述神经模糊模型的实际输出结果；
[0035]将所述实际输出结果和预期输出结果进行比较得出验证结果，根据所述验证结果调整所述神经模糊模型的参数集，其中，所述参数集包括隶属度函数的参数集和结果参数集；
[0036]进一步，所述训练方法包括反向传播算法。
[0037]进一步，所述将所述实际输出结果和预期输出结果进行比较得出验证结果方法包括：
[0038]根据符合指标、标准均方差、分数偏差、几何平均偏差、几何方差、观测值倍差的预测分数和/或击中率得出验证结果。
[0039]进一步，所述大气辐射计算模块计算方法如下：
[0040本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数值天气预报的垂直能见度计算方法，其特征在于，所述基于数值天气预报的垂直能见度计算方法包括以下步骤：步骤一，通过大气数据统计模块利用统计程序统计大气温度、湿度、雾气浓度、气压等数据；步骤二，中央控制模块通过大气状况判断模块利用判断程序根据统计的大气数据判断大气状况；步骤三，通过云底高度预测模块预测云底高度；通过大气雾霾预测模块利用预测程序预测大气雾霾；步骤四，通过大气辐射计算模块计算大气辐射；通过垂直能见度计算模块计算大气垂直能见度；步骤五，通过显示模块利用显示器显示大气温度、湿度、云底高度、雾气浓度、判断结果、预测结果、计算结果。2.如权利要求1所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述云底高度预测模块预测方法如下：(1)云分为对流云和层状云，要分别计算其云底高度；(2)对流云云底计算方法如下：建立云中水汽含量与大气消光系数之间的统计关系，通过对云中水汽相态和含量计算云底高度；(3)层状云底主要通过相对湿度来计算，按照经验公式，即当相对湿度f≥87％时即为云底高度。3.如权利要求1所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述大气雾霾预测模块预测方法如下：(1)构建大气数据库，将大气监测数据存入大气数据库中；确定所在大气监测区域内的监控点；(2)根据在所述大气监测区域内监控点的数据信息选择多个有效观察值作为预测大气雾霾的标准，并建立神经模糊模型，其中，所述数据信息包括第一数据信息和第二数据信息，所述神经模糊模型包括MLR模型、ANN模型和NF模型；(3)针对每个监控点的第一数据信息和第二数据信息选择隶属度函数，将所述第一数据信息与第二数据信息相乘得到第三数据信息，根据第三数据信息计算归一化可信度；根据模糊规则和每个监控点的归一化可信度结果计算出模糊结果，并根据所述模糊结果进行加权平均得出大气雾霾预测结果。4.如权利要求3所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述监控点包括环境评价点、对照点、区域边界点和交通点。5.如权利要求3所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述根据所述模糊结果得出大气雾霾预测结果的步骤之后，所述大气雾霾预测方法还包括：根据训练样本集对所述神经模糊模型进行训练，计算出所述神经模糊模型的实际输出结果；将所述实际输出结果和预期输出结果进行比较得出验证结果，根据所述验证结果调整所述神经模糊模型的参数集，其中，所述参数集包括隶属度函数的参数集和结果参数集。6.如权利要求5所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述训练
方法包括反向传播算法。7.如权利要求5所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述将所述实际输出结果和预期输出结果进行比较得出验证结果方法包括：根据符合指标、标准均方差、分数偏差、几何平均偏差、几何方差、观测值倍差的预测分数和/或击中率得出验证结果。8.如权利要求1所述基于数值天气预报的垂直能见度计算方法，其特征在于，所述大气辐射计算模块计算方法如下：(A)视在亮度和大气路径散射辐射从大气辐射传输方程的求解过程可以获得垂直非均匀视线路径上目标和背景视在亮度的结果；太阳的天顶角余弦为
...

【专利技术属性】
技术研发人员：姜勇强，陈超辉，何宏让，李毅，陈祥国，杨茹，刘雨晗，尹珊建，盛夏，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：