不同分辨率下风场的数值模拟仿真研究

文中利用新一代中小尺度数值预报模式WRF模式,针对发生在广州白云机场附近的一次风切变过程进行了数值模拟,模拟中采用四层嵌套的方式,在物理过程方案等参数完全一致的情况下,研究只有水平分辨率的不同对风场模拟效果造成的影响.实验中分别采用了9km、3km、1km和0.33km的水平分辨率,分别从水平风场和垂直风场两个角度对模拟效果的不同进行了对比分析,结果表明水平分辨率不同的模拟结果中风场的分布和变化趋势是一致的,但较高的分辨率对风场的模拟更加细致;当水平分辨率高于1km及其以上时,可以模拟出水平风场的细微变化;随着高度的增加,分辨率的不同对水平风场的模拟结果影响减小;水平分辨率的提高使模拟结果中垂直风场的变化更加剧烈,垂直气压场的变化幅度更大     

一种新的大气消光系数边界值确定方法

本文以激光雷达测量机场跑道斜程能见度为应用背景,提出了一种基于不动点原理的大气消光系数边界值确定方法,将确定消光系数边界值的问题转化为求解函数不动点。首先在边界层底部选取参考点,假设一个消光系数边界值,在Klett反演算法的基础上,构建消光系数均值与边界值之间的函数关系。然后依据函数不动点存在性和唯一性的条件判断不动点...     

小波不变矩的低空风切变识别

针对微下击暴流、低空急流、顺逆风以及侧风低空风切变样本图像间的形状特性关系,主要研究了小波不变矩的特征提取技术在风切变识别中的应用.首先,采用基于三次B样条的小波不变矩提取风切变图像的形状特征.然后,将提取的特征通过Fisher线性判别分析(LDA)降低维数,实现风切变有效特征的提取.最后,采用三阶近邻分类器分类识别四种低空风切变.实验结果表明,该算法与应用Hu矩和Zernike矩特征进行分类识别相比,识别结果更加稳定,且平均识别率得到了较大提高,能够有效用于风切变图像的类型识别中.     

多次散射的卷云激光雷达比反演方法研究

提出了一种Mie散射激光雷达在考虑多次散射影响时求解卷云激光雷达比的新方法。首先,根据多次散射激光雷达方程,构建关于气溶胶消光系数边界值和卷云有效激光雷达比的非线性方程组;其次,采用非线性粒子群算法求解方程组,同时得到气溶胶消光系数边界值和卷云的有效激光雷达比;然后,使用Platt的多次散射因子方程,结合邱金桓参数化的多次散射对一次散射比,计算多次散射因子,进而求得卷云的激光雷达比。使用Mie散射激光雷达真实回波信号进行了实验验证,结果表明,方法收敛速度快,精度较高,具有很好的应用价值。     

基于仿真雷达图像的低空风切变类型识别研究

采用基于小波变换提取纹理特征和BP神经网络对低空风切变的类型识别进行仿真研究。利用已有的仿真雷达数据生成仿真雷达扫描图像,通过阈值分割提取风切变区域,之后对其进行二层小波分解,求取各子带小波系数的均值和标准差作为特征向量。最后利用BP神经网络对特征向量进行识别分类。仿真结果比较理想,表明算法具有良好可行性。     

大型实验室网络敏感数据访问认证方法仿真

由于大型实验室网络中的敏感数据认证过程繁琐复杂,且对其安全性要求较高,增加用户访问敏感数据的复杂性和时间成本。为此,提出一种大型实验室网络敏感数据访问多阶段认证算法。利用互补集合经验模态分解(Coplementary Ensemble Empirical Mode Decomposition, CEEMD),分解含有噪声的大型实验室网络数据,获取不同本征模态函数,通过改进小波阈值去噪,重构本征模态函数(Intrinsic Mode Functions, IMF)信息,获取降噪处理后的数据。通过Apriori算法和互信息理论,分析不同数据之间的相关性,挖掘其关联性,实现大型实验室网络敏感数据访问多阶段认证。通过仿真分析证实,采用所提算法可以精准完成大型实验室网络敏感数据访问多阶段认证,准确性在90%以上。     

基于激光雷达脉冲特性的湍流风速估计方法

提出了一种基于激光脉冲距离权重函数的湍流风场速度估计的方法,可以解决多普勒信息探测晴空湍流风场中精细化的风速测量问题。算法以划分的距离门为单位对速度值进行空间平均,将各距离单元速度与激光脉冲距离权重函数进行卷积运算得到风速的局部估计值。并考虑高斯激光脉冲在湍流风场中的有效空间展宽传输特性,根据直接选取距离门中心位置的速度估计方法和快速的线性平均近似方法的处理过程,引入激光脉冲的传输特性来表达湍流径向风速的统计平均值,以实现湍流风速的测量以及激光雷达在探测湍流上的应用。实验结果表明,在有明显湍流条件的风场环境中,脉冲距离权重方法比线性平均方法在保留真实风场属性的前提下具有相对更小的速度标准差,显示出较好的风速修正效果,提高了激光雷达对湍流风场的测速性能。     

基于卷积神经网络的激光雷达湍流预警

为实现湍流的自动化预警,提出了一种基于卷积神经网络的激光雷达湍流预警算法。首先,该方法将激光雷达获取的风速数据进行速度结构函数的构建;然后,拟合出涡流耗散率,进而将涡流耗散率构建为像素数据集。将数据集输入一种由两个卷积层、两个全连接层、一个softmax层、若干激活函数组成的卷积神经网络分类模型进行湍流识别;最后,采用学习率递减的方法来调整模型的参数对网络进行训练,网络收敛后,其损失度低至3%,通过对比实验表明网络的准确度可达到85%。运用中川机场2016年机组报告进行对比分析,结果表明:文中方法对大气湍流的预警命中率可达80%、误报率为13.3%、虚警率为6.7%,该方法与Hog-SVM分类方法相比,命中率显著提高,从而证明了该卷积网络模型在湍流预警中泛化能力强,提高了预警效率,能够为管制员和气象预报人员提供一种判断依据。     

双激光雷达的水平风场估计方法

针对民航机场区域内单部激光雷达探测水平风场存在较大误差的问题,提出一种基于支持向量回归的双激光雷达水平风场估计模型。该模型以两部激光雷达重叠扫描区域风速为基础,对非重叠区雷达径向的其他数据点水平风速进行估计。首先,提取重叠区的径向风速、水平风速和距离三个特征,以重叠区域数据点为训练集,在同一维度规范化后设定惩罚因子和核函数参数,用支持向量回归得到初始估计值。然后,以单部激光雷达的径向风速为先验条件,估计出非重叠区相邻径向点水平风速。将估计的结果扩展为新的训练集,依次逐步扩大训练集进而估计出非重叠区的水平风速。最后,通过实测数据分析了该方法逐步估计的误差,分析了风速大小和回波信噪比对该方法估计性能的影响,结果表明该方法估计的风场的均方根误差较单部雷达的均方根误差更小,减小了水平风速误差,扩大了双激光雷达探测水平风场范围,提高了雷达的利用率。     

WRF 模式在 LINUX 集群系统的并行计算与评测

WRF 气象模式是高性能的并行计算,一般需要大型机进行并行计算和处理,文中将 WRF 系统构建在32核 LINUX集群系统上,进行并行计算试验并确定出了该系统的合理的并行计算方式.选取了 WRF 个例分别对运算时间、加速比和并行效率做了性能测试.结果表明:处理器个数逐步增加至16时,WRF 系统运算的总时间随个数单调减小,从16增加到26,系统运算的总时间变化总体趋势在减小,但变化不明显,存在一定的起伏,从26到32,总体上有增加的趋势.实验构建的集群系统具有较好的并行计算效率和加速比,当处理器个数为26时可以达到最大的加速比12.5,且并行效率达到48%,能够达到较好的并行运算效果.