CN109814179B - 一种基于云感知的应急通信处理系统 - Google Patents
一种基于云感知的应急通信处理系统 Download PDFInfo
- Publication number
- CN109814179B CN109814179B CN201910007252.XA CN201910007252A CN109814179B CN 109814179 B CN109814179 B CN 109814179B CN 201910007252 A CN201910007252 A CN 201910007252A CN 109814179 B CN109814179 B CN 109814179B
- Authority
- CN
- China
- Prior art keywords
- observation
- field
- data
- time
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提出了一种基于云感知的应急通信处理系统,该系统主要由三部分组成:云端中心实现空天地信息采集存储,同化预报中心实现信息同化及预报,预警信息发布平台实现预警信息更新与发布。首先,云端中心通过卫星主站、气象气艇和气象雷达等设备完成信息的采集并基于云架构进行存储;其次,同化预报中心以4D‑WRF‑EnSRF算法为核心对已获得的各类信息进行同化处理,并以云资源的方式送入预警信息发布平台;最后,预警信息发布平台建立预警信息发布网络,将预警信息以DAB、互联网及网络等方式在第一时间送至灾害现场,保障救援行动有效执行及群众快速疏散。
Description
技术领域
本发明属于信息工程领域,尤其涉及一种基于云感知的应急通信处理系统。
背景技术
目前,各级政府在应急信息化建设过程中,已逐步建立起服务于各自部门的应急指挥系统,在防御各种灾害和事故方面发挥了一定作用。然而,我国在应急指挥体系建设的发展初期,对突发事件,例如处理极端恶劣天气、强烈地震、恶性流行性疾病扩散、有害物质泄露等重大灾害的应急处理面临着极大挑战。此外,目前全国各地区在救灾指挥系统及采用的数据格式各不相同,且大多采用地面通信的方式,因此在地面通信设施被破坏的情况下,如何实现信息资源和平台系统的有效整合、与预报预警机制的有效结合以及应急救援时效的提高仍然是有待解决的问题。
发明内容
发明目的:针对以上问题,本发明提出一种基于云感知的应急通信处理系统,该系统可有效提高各部门的协同指挥能力,解决因通信协议或数据格式不同而导致的信息屏障,在很大程度上提高了救援行动及群众疏散可靠性。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于云感知的应急通信处理系统,该系统由以下部分组成:
云端中心,实时感知环境数据,并对数据进行分析处理和存储;
同化预报中心,通过多源4D-WRF-EnSRF资料同化系统,将获取的环境数据进行同化;
预警信息发布平台,通过网络实现对同化预报中心的信息进行发布。
进一步的,所述实时感知环境数据,并对数据进行分析处理和存储方法如下:云端中心通过云感知将现场数据汇集并进行初步分析处理,并将初步分析处理的数据发送到基于云架构服务器的云存储中心进行存储;并且,云端中心对汇集的现场态势进行分析处理,提供可视化、透明化的数据分析结果,同时协调管理各部门向云端中心的数据请求,实现数据共享。
进一步的,初步分析处理包括一致性分析,该分析如下:
(2.1)内部一致性检测,内部一致性检查是根据气象学原理,对观测资料中相关联要素之间是否符合一定规律的检查;
(2.2)时间一致性检查,时间一致性检查指的是要素与时间变化规律是否一致的检查,检测观测资料的时间变化率,识别出不符合要求的时间变化率;
(2.3)持续性一致性检查,持续性检查指的是在一定时间内,观测诸多气象要素随时间,地域变化所出现的波动,若某气象要素没有发生变化则对应观测仪器或传输设备出现故障;
(2.4)水平一致性计算,水平一致性计算是指包括风向、风速、气温、气压、降水在内的气象要素具有连续性和均匀性的特点,将某一观测站获取的观测资料与其周围其他邻近观测站资料进行比较,从而判断该要素是否正常。
进一步的,初步分析处理包括模式预报性能评估,具体如下:采用可以访问硬件性能计数的PAPI工具,实现程序运行时对处理器事件信息监测,完成WRF模式性能评估。
进一步的,初步分析处理包括EnKF分析,具体如下:
(3.1)初始时刻的大气状态的先验估计模式背景场x0被积分到第一个获得观测值的时刻tk,tk的预报场即为该时刻的背景场将这个背景场投影到观测空间后得到的先验观测向量与仪器观测数据向量之间的差值其中,H为从模式空间向观测空间的投影,是观测向量;
(3.2)通过背景场和观测误差的统计信息来得到某一时刻基于该时刻的背景场和观测的最优估计,以b和o分别表示观测要素的背景场和观测场,对于t时刻环境要素准确值为xt,其相应的背景场数值xb和观测场数值xo满足:
xb=xt+eb xo=xt+eo
式中,eb和eo分别是背景场和观测的误差,此时,假设这两个误差是无偏的并且相互独立,则真实状态xt在上述已知条件下的最优估计xa可以通过线性组合得到:
xa=wbxb+woxo
式中,wb和wo分别是背景场和观测的权重,最优估计xa达到最优的条件是以上两个权重的组合能够使得xa的方差达到最小,即:
wb+wo=1
对着两个权重进行求导并使导数值为0,就可以得到使得分析场最小化的解,分别为:
式中,和分别为背景场数据和观测数据的对应方差,将该公式应用于多源大气环境,当a,b,o作下标时表示单源大气环境,只针对单一气象要素,作为上标时表示多源大气环境,针对多种气象要素,将各气象要素用一个矩阵进行表示,则其形式变为:
xa=xb+W[y+H(xb)]
式中,xa和xb分别为多元大气环境下分析场和背景场的N维大气状态向量,y为观测向量,H为大气状态向量向观测向量的投影,W为权重矩阵,其中权重W为:
W=(HPbHT+RT)-1PbHT
式中,Pb为背景误差协方差,R为观测误差协方差。
进一步的,同化预报中心将获取的环境数据进行同化,具体如下:
(4.1)先验计算,先验计算使用观测时刻的模式状态向量计算这个同化循环所用的观测的先验,使用EnSRF算子进行计算,将处理过程分为均值和集合两个部分来处理,如下式所示:
Po=(PtPs o+Phf)/2
式中,Po是观测先验的局地化系数,相关系数Pt为是当前时刻和历史观测时刻之间的时间距离函数,Ps o是被分析观测和将要被更新的先验观测之间的空间距离的函数,Phf为回归信度因子,其次,f表示预报场,Xf'预报场下的集合扰动,Xi f'则为i时刻预报场下的集合扰动,此处符号Θ为Schur乘积,为第i个观测的卡尔曼增益,为预报场下的集合平均,为i时刻预报场下的集合平均,增益矩阵中,第k个元素为:
式中,j为i时刻之前的不同历史观测时刻,其取值为1,2,3…m,m为i时刻之前历史观测总数,以i时刻观测值为预报场对j时刻集合扰动进行计算得到 则为当前背景场下j时刻对应的集合扰动,Ri为i时刻观测误差协方差矩阵。
(4.3)模式状态向量更新,对于第i个观测,包含局地化的模式状态向量的更新方程为:
式中,和Ya'分别对应于先验集合平均及集合扰动Xa'中的向量,及Yf'分别为预报场下的集合平均向量和集合扰动向量,则对应于增益矩阵中的增益取值,α为标量系数,Po是观测先验的局地化系数,为i时刻观测场的观测值;
(4.4)在上述步骤操中,在每分析完一个观测后,新的分析场就变成了下一个观测的背景场,然后这下一个观测的先验将通过这个新的背景场计算得到,在不断的4DEnSRF同化循环中,资料的不断更新与优化并获得最终的分析场数据,即同化数据。
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
1、云端中心,实现信息采集及存储:为保障信息的实时获取及最大化利用,建立云感知中心,采用地基、空基及天基三种感知方式进行消息获取及传递,并基于云架构服务器对信息进行分析处理及存储,有效保障了信息的获取实时性,实现不同格式数据的统一接受存储等处理。
2、同化预报中心,实现信息同化及预报:同化预报中心以云端中心获取的数据为基础,以WRF数值天气预报模式和集合均方根滤波方案(EnSRF)自主构建了多源4D-WRF-EnSRF资料同化系统,增强了现场实时同化和预报的时效性和准确性。
3、预警信息发布平台,实现信息更新与发布:该预警信息发布平台将同化预报中心处理得到的包括水文、气象及位置等在内的云资源送入预警信息发布网络,通过DAB广播、互联网及4G信号等多种方式进行信息发布,保障救援行动有效执行。
附图说明
图1为本发明所提出的应急通信处理平台的实现流程图;
图2为云端中心的数据获取示意图;
图3为同化预报中心的数据同化示意图;
图4为预警发布平台的预警信息发布示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1为本发明所提出一种基于云感知的应急通信处理系统的实现流程图,具体可分为云端中心,同化预报中心,预警信息发布平台三部分组成。首先通过天空感知和地基感知中的卫星主站、气象飞艇及气象雷达等设备实现数据获取,并实现数据存储;其次通过同化预报中心建立的多源4D-WRF-EnSRF资料同化系统,将获取的水文、环境、气象及位置等数据进行同化,并建立卫星通信子系统确保各部门的实时数据通信;最后,通过建立预警信息发布平台,以预警信息发布网络为桥梁,实现DAB广播网、互联网及4G网络等多种方式实现信息发布,最大化救援效率。
图2为云端中心的数据获取示意图。
云端中心通过云感知将现场数据汇集共享到基于云架构服务器的云存储中心实现对数据的初步分析处理。云端中心对汇集的现场态势进行分析处理,提供可视化、透明化的数据分析结果,同时协调管理各部门向云端的数据请求,实现数据共享。
云感知中心包括天基感知、空基感知和地基感知。天基感知通过天基感知设备获取卫星感知数据;空基感知利用无人机、飞艇、热气球等飞行器获取空基应急感知信息;地基感知则利用气象雷达、移动便携式感知终端、车/船载应急通信指挥系统、地面DMB通信网络设备、气象要素传感器等设备获取各种感知信息。
该云端中心在各部门救灾指挥的全过程中,通过传输网络实现对指挥中心及救援队之间的数据共享。同时,指挥中心及救援队的相关数据可以通过通信传输网络上传至后方指挥中心,解决了救灾指挥系统不兼容的问题,大幅提高应急事件处理效率以及各部门间的协同处理能力。
图3为同化预报中心的数据同化示意图。
针对云端中心获取的海量数据,基于WRF数值天气预报模式和集合均方根滤波方案(EnSRF)自主构建了多源4D-WRF-EnSRF资料同化系统,该方法避免了观测预报无偏假设可能带来的预报误差,有效提高了对雷达和卫星等多种观测资料的同化能力,增强了实时同化和预报的时效性和准确性。此外,在对观测资料进行同化时,要保障不同格式或网络协议下的数据有效传输,在同化预报中心的基础上建立了卫星通信子系统。该卫星通信子系统的核心包括柔性组网技术和卫星柔性通信终端两个方面,实现不同数据终端设备之间的互联互通。
为实现多源4D-WRF-EnSRF资料同化算法,其主要步骤可以分为三个部分,WRF预报,EnKF分析及4D-EnSRF同化。
1.WRF预报。WRF模式是集可移植,易维护,可扩充,高效率,使用方便等诸多特性的新一代中尺度同化预报系统,广泛应用于大学,科研单位及相关业务部门。WRF模式的核心在于其微物理过程,包括辐射,边界层参数化,积云对流参数化及云微物理过程等,是从云尺度到天气尺度等不同尺度重要天气特征预报精度工具。为实现本文提出的4D-WRF-EnSRF同化算法,首先需要对获取到的背景场数据以及观测场数据进行分析处理,其所需风向、风速、气温等数据可在云感知部分进行获取,为下一步EnKF分析及4D-EnSRF同化做好准备。在本阶段,需要对数据资料进行一致性分析及模式预报性能进行评估,此处以降雨为例进行讨论。
1.1一致性分析。一致性分析是依据气象学、天气学及气候学原理,以时间空间变化规律及各要素间相互关系为线索进行分析。本文所使用的一致性分析方法包括,内部一致性,时间一致性及水平一致性等检查方法,其具体作用如下:
1.1.1内部一致性检测。内部一致性检查是根据气象学原理,对观测资料中相关联要素之间是否符合一定规律的检查。例如极大、最大风速应大于等于相应时段内的平均风速,否则需对该风速测量值重新测量或检查仪器设备等;通过露点温度反向计算得出水汽压与相对湿度,若所得水汽压值与相对湿度不符合对应规律,则需对相关测量值或设备进行检验。
1.1.2水平一致性计算。水平一致性计算是指包括风向、风速、气温、气压、降水、等在内的气象要素具有连续性和均匀性的特点,将某一观测站获取的观测资料与其周围其他邻近观测站资料进行比较,从而判断该要素是否正常。这里以风速观测为例,其具体计算公式如下:
Tk=(Xk-Qt,2/4)/(Qt,3/4-Qt,1/4)
式中,Xk为t时刻观测到的风速大小值,Qt,1/4,Qt,2/4及Qt,3/4为邻近三个观测站在t时刻的风速观测值,并满足Qt,1/4<Qt,2/4<Qt,3/4,当Tk超过某一规定值时,则Xk观测数据有待分析取舍,即存在观则值过大过小或气象突变情况,甚至观测设备存在问题。
1.1.3时间一致性检查。时间一致性检查指的是要素与时间变化规律是否一致的检查,目的是检测观测资料的时间变化率,识别出不理想的时间变化率。例如根据变化规律判断观测区域内6小时内气压值相差不得超过18hpa,否则数据可能存在异常或气象突变。
1.1.4持续性一致性检查,持续性检查指的是在一定时间内,观测诸多气象要素随时间,地域变化所出现的波动,若某气象要素没有发生变化则对应观测仪器或传输设备出现故障。
1.2模式预报性能评估。为进一步验证WRF预报模式的可行性,及保障后续EnKF分析和4D-EnSRF同化中的资料可靠性,对WRF模式进行性能评估。本文采用可以访问硬件性能计数的PAPI工具,实现程序运行时的处理器事件信息监测,完成WRF模式性能评估。PAPI的监测纪录为WRF运行时的浮点性能,首先初始化PAPI环境,然后创建PAPI时间,接着绑定事件到浮点性能硬件计数器,开始事件,读取事件计数,运行整个WRF程序,知道WRF停止运行,PAPI就停止计数,得到两个计数的差即为程序运行计数,最后清除销毁计数。通过在WRF的程序入口添加PAPI函数接口,并记录程序运行时间,得到不同配置情况下WRF浮点计数及运行时间,从而得到运行WRF的本次浮点性能。此外,在完成WRF性能测试的同时,以降雨量及风速大为例对预报结果与实际结果进行对比及统计,对WRF模式预报的可靠性及合理性进行检验,判断能否为后续工作提供数据支持。
2.EnKF分析。EnKF即集合卡尔曼滤波算法,其基本思想是“统计估计理论”即使用全部可获得的信息去尽可能准确的估计大气状态的一个过程。对于一个特定时刻的瞬时大气状态,其背景场和观测数据都包含不准确的信息和随机噪声,在这种情况下,大气状态的期望值可以通过模式积分和同化一个时间窗内的观测来得到。在EnKF分析中,初始时刻的大气状态的先验估计模式背景场x0被积分到第一个获得观测值的时刻tk。此时,tk的预报场即为该时刻的背景场将这个背景场投影到观测空间后得到的先验观测向量与仪器观测数据向量之间的差值其中,H为从模式空间向观测空间的投影,是观测向量。
现在,通过背景场和观测误差的统计信息来得到某一时刻基于该时刻的背景场和观测的最优估计。式中,以b和o分别表示观测要素的背景场和观测场,对于t时刻环境要素准确值为xt,气象要素值可以为风速,温度等等,其相应的背景场数值xb和观测场数值xo满足:
xb=xt+eb xo=xt+eo
式中,eb和eo分别是背景场和观测的误差。此时,假设这两个误差是无偏的并且相互独立,则真实状态xt在上述已知条件下的最优估计xa可以通过线性组合得到:
xa=wbxb+woxo
式中,wb和wo分别是背景场和观测的权重。最优估计xa达到最优的条件是以上两个权重的组合能够使得xa的方差达到最小,即:
wb+wo=1
对着两个权重进行求导并使导数值为0,就可以得到使得分析场极小化的解,分别为:
式中,和分别为背景场数据和观测数据的对应方差,将该公式应用于多源大气环境,当a,b,o作下标时表示单源大气环境,只针对单一气象要素,例如风速,上标表示多源大气环境,针对多种气象要素,如风速,湿度,温度等,将各气象要素用一个矩阵进行表示,及优化,则其形式变为:
xa=xb+W[y+H(xb)]
式中,xa和xb分别为多元大气环境下分析场和背景场的N维大气状态向量,y为观测向量,H为大气状态向量向观测向量的投影,W为权重矩阵,其中权重W为:
W=(HPbHT+RT)-1PbHT
式中,Pb为背景误差协方差,R为观测误差协方差。
3.4D-EnSRF同化。在完成上一步EnKF分析后,需要对同化资料加入时刻以完成进一步分析。标准的3D的EnSRF将不同时刻的观测数据整合到一起并用分析时刻的模式背景场计算相应的观测先验,而4DEnSRF对不同时刻的观测使用不同的模式背景场,即观测时刻的背景场计算相应的观测先验,并在分析时刻通过这些先验同化相应的观测。该算法在一个同化循环中的实现需要3步:先验计算,先验观更新及模式状态向量更新。
3.1先验计算。先验计算使用观测时刻的模式状态向量计算这个同化循环所用的观测的先验。文中所用EnSRF算子即集合平方根,它是针对加入观测扰动后的集合卡尔曼滤波的方差浮动而提出来的,它将处理过程分为均值和集合两个部分来处理,如下式所示:
式中,X'分别为分析场数据中的集合平均和集合扰动,a,b表示分析场和背景场,o为观测场,K为卡尔曼增益矩阵,α为标量系数用于调整背景场误差协方差和观测误差协方差的相对大小,下标i表示在不同时刻下的分析场或背景场。
Po=(PtPs o+Phf)/2
式中,Po是观测先验的局地化系数,相关系数Pt为是当前时刻和历史观测时刻之间的时间距离函数,Ps o是被分析观测和将要被更新的先验观测之间的空间距离的函数,Phf为回归信度因子。其次,f表示预报场,Xf'预报场下的集合扰动,Xi f'则为i时刻预报场下的集合扰动。此处符号Θ为Schur乘积,为第i个观测的卡尔曼增益,为预报场下的集合平均,为i时刻预报场下的集合平均,这个增益矩阵中,第k个元素为:
式中,j为i时刻之前的不同历史观测时刻,其取值为1,2,3...m,m为i时刻之前历史观测总数,以i时刻观测值为预报场对j时刻集合扰动进行计算得到 则为当前背景场下j时刻对应的集合扰动,Ri为i时刻观测误差协方差矩阵。
3.3模式状态向量更新。对于第i个观测,包含局地化的模式状态向量的更新方程为:
式中,和Ya'分别对应于先验集合平均及集合扰动Xa'中的向量,及Yf'分别为预报场下的集合平均向量和集合扰动向量,则对应于增益矩阵中的增益取值,α为标量系数用于调整背景场误差协方差和观测误差协方差的相对大小,Po是观测先验的局地化系数,为i时刻观测场的观测值。在上述步骤操中,在每分析完一个观测后,新的分析场就变成了下一个观测的背景场,然后这下一个观测的先验将通过这个新的背景场计算得到,这一过程隐式地包含了对先验观测的更新。在不断的4DEnSRF同化循环中,资料的的不断更新与优化并获得最终的分析场数据,即同化数据。
在资料同化中的过程中,资料能否可靠迅速的在不同平台或系统中传递也是需要保障的地方,针对该问题,本发明在该环节提出了卫星通信子系统。
卫星通信子系统是在现有的DVB-RCS星状网络地球主站基础上扩充叠加部分,基于网状网、点对点通信的卫星主站系统,通过卫星网络的路由管理,实现不同构网方式的卫星终端设备之间的互联互通。例如,当通信天线成功对星后,支持星状网的卫星通信主站装置可以通过DVB-S、TDM、TDMA、MF-TDMA等方式与支持星状网的卫星终端进行通信,建立主站与终端的星状通信网络,实现卫星链路的即开即通。当通信带宽无法满足使用需求时,操作者可以通过更改设备配置,使用点对点或网状模式的网管或远程管理功能,配置并激活支持网状或点对点通信模式的装置及其终端。网络路由器通过与通信端相联接,以作为卫星通信柔性主站装置与其它设备连接或地面网络互联的接口,实现从星状网络通信到网状(或点对点)通信的快速切换。通过该卫星通信子系统,有效保障了同化资料在不同行业、不同体制或不同网络结构中的传递。
图4为预警发布平台的预警信息发布示意图。
通过同化预报中心对数据的处理,获得了包括水文数据、气象数据及地理位置数据等在内的云数据后,为提高救援效率和信息的迅速传递,建立了预警信息发布平台。
预警信息发布平台为保障救援效率和信息传递的可靠性,平台通过建立预警信息发布网络实现包括DAB广播、互联网及4G信号等多方式的信息发布方式,并可实现对北斗短报文、雷达信号等数据的预处理及编码得到待发布的气象灾害预警信息。
Claims (5)
1.一种基于云感知的应急通信处理系统,其特征在于,该系统由以下部分组成:
云端中心,实时感知环境数据,并对数据进行分析处理和存储;
同化预报中心,通过多源4D-WRF-EnSRF资料同化系统,将获取的环境数据进行同化;
预警信息发布平台,通过网络实现对同化预报中心的信息进行发布;
初步分析处理包括EnKF分析,具体如下:
(3.1)初始时刻的大气状态的先验估计模式背景场x0被积分到第一个获得观测值的时刻tk,tk的预报场即为该时刻的背景场将这个背景场投影到观测空间后得到的先验观测向量与仪器观测数据向量之间的差值其中,H为从模式空间向观测空间的投影,是观测向量;
(3.2)通过背景场和观测误差的统计信息来得到某一时刻基于该时刻的背景场和观测的最优估计,以b和o分别表示观测要素的背景场和观测场,对于t时刻环境要素准确值为xt,其相应的背景场数值xb和观测场数值xo满足:
xb=xt+eb xo=xt+eo
式中,eb和eo分别是背景场和观测的误差,此时,假设这两个误差是无偏的并且相互独立,则真实状态xt在上述已知条件下的最优估计xa可以通过线性组合得到:
xa=wbxb+woxo
式中,wb和wo分别是背景场和观测的权重,最优估计xa达到最优的条件是以上两个权重的组合能够使得xa的方差达到最小,即:
wb+wo=1
对着两个权重进行求导并使导数值为0,就可以得到使得分析场最小化的解,分别为:
式中,和分别为背景场数据和观测数据的对应方差,将该公式应用于多源大气环境,当a,b,o作下标时表示单源大气环境,只针对单一气象要素,作为上标时表示多源大气环境,针对多种气象要素,将各气象要素用一个矩阵进行表示,则其形式变为:
xa=xb+W[y+H(xb)]
式中,xa和xb分别为多元大气环境下分析场和背景场的N维大气状态向量,y为观测向量,H为大气状态向量向观测向量的投影,W为权重矩阵,其中权重W为:
W=(HPbHT+RT)-1PbHT
式中,Pb为背景误差协方差,R为观测误差协方差。
2.根据权利要求1所述的一种基于云感知的应急通信处理系统,其特征在于,所述实时感知环境数据,并对数据进行分析处理和存储方法如下:云端中心通过云感知将现场数据汇集并进行初步分析处理,并将初步分析处理的数据发送到基于云架构服务器的云存储中心进行存储;并且,云端中心对汇集的现场态势进行分析处理,提供可视化、透明化的数据分析结果,同时协调管理各部门向云端中心的数据请求,实现数据共享。
3.根据权利要求2所述的一种基于云感知的应急通信处理系统,其特征在于,初步分析处理包括一致性分析,该分析如下:
(2.1)内部一致性检测,内部一致性检查是根据气象学原理,对观测资料中相关联要素之间是否符合一定规律的检查;
(2.2)时间一致性检查,时间一致性检查指的是要素与时间变化规律是否一致的检查,检测观测资料的时间变化率,识别出不符合要求的时间变化率;
(2.3)持续性一致性检查,持续性检查指的是在一定时间内,观测诸多气象要素随时间,地域变化所出现的波动,若某气象要素没有发生变化则对应观测仪器或传输设备出现故障;
(2.4)水平一致性计算,水平一致性计算是指包括风向、风速、气温、气压、降水在内的气象要素具有连续性和均匀性的特点,将某一观测站获取的观测资料与其周围其他邻近观测站资料进行比较,从而判断该要素是否正常。
4.根据权利要求1或2或3所述的一种基于云感知的应急通信处理系统,其特征在于,初步分析处理包括模式预报性能评估,具体如下:采用可以访问硬件性能计数的PAPI工具,实现程序运行时对处理器事件信息监测,完成WRF模式性能评估。
5.根据权利要求1或2或3所述的一种基于云感知的应急通信处理系统,其特征在于,同化预报中心将获取的环境数据进行同化,具体如下:
(4.1)先验计算,先验计算使用观测时刻的模式状态向量计算这个同化循环所用的观测的先验,使用EnSRF算子进行计算,将处理过程分为均值和集合两个部分来处理,如下式所示:
Xi a'=Xi b'-αKHXi b'
Po=(PtPs o+Phf)/2
式中,Po是观测先验的局地化系数,相关系数Pt为是当前时刻和历史观测时刻之间的时间距离函数,Ps o是被分析观测和将要被更新的先验观测之间的空间距离的函数,Phf为回归信度因子,其次,f表示预报场,Xf'预报场下的集合扰动,Xi f'则为i时刻预报场下的集合扰动,此处符号Θ为Schur乘积,为第i个观测的卡尔曼增益,为预报场下的集合平均,为i时刻预报场下的集合平均,增益矩阵中,第k个元素为:
式中,j为i时刻之前的不同历史观测时刻,其取值为1,2,3…m,m为i时刻之前历史观测总数,以i时刻观测值为预报场对j时刻集合扰动进行计算得到则为当前背景场下j时刻对应的集合扰动,Ri为i时刻观测误差协方差矩阵,
(4.3)模式状态向量更新,对于第i个观测,包含局地化的模式状态向量的更新方程为:
式中,和Ya'分别对应于先验集合平均及集合扰动Xa'中的向量,及Yf'分别为预报场下的集合平均向量和集合扰动向量,则对应于增益矩阵中的增益取值,α为标量系数,Po是观测先验的局地化系数,为i时刻观测场的观测值;
(4.4)在上述步骤操中,在每分析完一个观测后,新的分析场就变成了下一个观测的背景场,然后这下一个观测的先验将通过这个新的背景场计算得到,在不断的4DEnSRF同化循环中,资料的的不断更新与优化并获得最终的分析场数据,即同化数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910007252.XA CN109814179B (zh) | 2019-01-04 | 2019-01-04 | 一种基于云感知的应急通信处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910007252.XA CN109814179B (zh) | 2019-01-04 | 2019-01-04 | 一种基于云感知的应急通信处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109814179A CN109814179A (zh) | 2019-05-28 |
CN109814179B true CN109814179B (zh) | 2021-01-12 |
Family
ID=66603917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910007252.XA Active CN109814179B (zh) | 2019-01-04 | 2019-01-04 | 一种基于云感知的应急通信处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109814179B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259324B (zh) * | 2020-01-07 | 2022-07-12 | 南京大学 | 卫星数据同化在垂直方向的适应性局地化方法及集合卡曼滤波天气同化预报方法 |
CN111489525A (zh) * | 2020-03-30 | 2020-08-04 | 南京信息工程大学 | 多数据融合的气象预测预警方法 |
CN111683112A (zh) * | 2020-04-21 | 2020-09-18 | 中国人民解放军军事科学院国防科技创新研究院 | 全域物联网系统 |
CN111694000B (zh) * | 2020-06-11 | 2023-03-21 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
CN112666632A (zh) * | 2020-11-17 | 2021-04-16 | 贵州省气象信息中心 | 一种气象防灾减灾大数据监测系统 |
CN114219151B (zh) * | 2021-12-15 | 2023-05-26 | 中国民用航空飞行学院 | 自适应通用航空应急救援气象保障系统 |
CN115051879B (zh) * | 2022-08-17 | 2022-11-22 | 珠海市鸿瑞信息技术股份有限公司 | 基于机器学习的网络安全态势感知系统的数据分析系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103167414A (zh) * | 2013-03-18 | 2013-06-19 | 南京信息工程大学 | 基于智能手机参与感知的气象信息服务系统及其实现方法 |
CN107169258A (zh) * | 2016-07-20 | 2017-09-15 | 中国水利水电科学研究院 | 一种多源气象信息数据同化方法及其在降雨预报中的应用 |
CN107197197A (zh) * | 2017-04-20 | 2017-09-22 | 中化舟山危化品应急救援基地有限公司 | 水上消防应急指挥系统 |
CN107679167A (zh) * | 2017-09-29 | 2018-02-09 | 智慧天气风险管理(深圳)有限公司 | 基于格点化气象数据的气象风险评估方法及分析预警平台 |
CN109086948A (zh) * | 2018-09-17 | 2018-12-25 | 中国水利水电科学研究院 | 基于数据同化的湖库富营养化预警方法 |
-
2019
- 2019-01-04 CN CN201910007252.XA patent/CN109814179B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103167414A (zh) * | 2013-03-18 | 2013-06-19 | 南京信息工程大学 | 基于智能手机参与感知的气象信息服务系统及其实现方法 |
CN107169258A (zh) * | 2016-07-20 | 2017-09-15 | 中国水利水电科学研究院 | 一种多源气象信息数据同化方法及其在降雨预报中的应用 |
CN107197197A (zh) * | 2017-04-20 | 2017-09-22 | 中化舟山危化品应急救援基地有限公司 | 水上消防应急指挥系统 |
CN107679167A (zh) * | 2017-09-29 | 2018-02-09 | 智慧天气风险管理(深圳)有限公司 | 基于格点化气象数据的气象风险评估方法及分析预警平台 |
CN109086948A (zh) * | 2018-09-17 | 2018-12-25 | 中国水利水电科学研究院 | 基于数据同化的湖库富营养化预警方法 |
Non-Patent Citations (4)
Title |
---|
WRF-EnSRF卫星资料同化系统构建及应用研究;杨春;《中国优秀硕士学位论文全文数据库 基础科学辑》;20111015;第1-37页 * |
基于WRF模式的多源遥感降水资料数据同化研究;任静 等;《遥感技术与应用》;20170831;第593-604页 * |
基于自动站资料的WRF_EnSRF陆面同化系统的效果检验及应用;车渌;《中国优秀硕士学位论文全文数据库 基础科学辑》;20150715;第9-16页 * |
气象预警信息智能接收处理系统的设计与实现;陈苏婷 等;《计算机工程与设计》;20140131;第339-343页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109814179A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814179B (zh) | 一种基于云感知的应急通信处理系统 | |
US20220187499A1 (en) | Real-time data pipeline techniques for improving a fast weather forecasting system | |
CN107390233B (zh) | 一种低轨卫星导航增强电离层延迟改正参数方法 | |
US10545243B2 (en) | Systems and methods for improved atmospheric monitoring and GPS positioning utilizing GNSS tomographic refractivity | |
JP4633588B2 (ja) | 気象データ配信装置および局域気象データ配信システムならびに同システムにおける気象データ推定方法 | |
CN111551964B (zh) | 一种基于导航卫星系统的水汽观测方法 | |
Goerss et al. | The Navy's operational atmospheric analysis | |
EP1902530A2 (en) | Monitoring and mapping of atmospheric phenomena | |
Barros et al. | NASA GPM-Ground Validation: Integrated Precipitation and Hydrology Experiment 2014 Science Plan. | |
Kang et al. | Development of an observation processing package for data assimilation in KIAPS | |
CN103267970A (zh) | 一种基于北斗gps联合层析法的大气水汽探测方法及系统 | |
CN109946762A (zh) | 一种基于概率分布短时预报降水的方法及系统 | |
Von Engeln et al. | GRAS radio occultation on-board of Metop | |
Mannucci et al. | Assessment of global TEC mapping using a three-dimensional electron density model | |
CN109901203B (zh) | 一种对流层折射率高精度预测的地基增强系统 | |
CN110941790A (zh) | 基于高分辨率数值的无人机低空飞行气象信息处理方法 | |
CN109660290A (zh) | 一种基于多卫星多频段的多架构应急保障系统 | |
CN112016696A (zh) | 融合卫星与地基观测的pm1浓度反演方法及系统 | |
Ravindra et al. | Ensemble-guided tropical cyclone track forecasting for optimal satellite remote sensing | |
CN112526636B (zh) | 基于单站多星与多站组网的近地面二维降雨场重构方法及系统 | |
CN116068670B (zh) | 一种无地面网络区适用的北斗水汽场实时重构方法及装置 | |
WO2018226012A1 (ko) | 데이터 기반 분석 결과에 대한 지리적 표현 방법 및 시스템 | |
JP2001033567A (ja) | 超短時間降雨瞬時予測方法及び装置 | |
CN212658826U (zh) | 一种基于导航卫星系统的水汽观测系统 | |
CN111896981A (zh) | 一种低轨导航增强定位性能评估系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |