CN109884735A - 一种基于多雨量传感器观测降水的方法 - Google Patents
一种基于多雨量传感器观测降水的方法 Download PDFInfo
- Publication number
- CN109884735A CN109884735A CN201910240506.2A CN201910240506A CN109884735A CN 109884735 A CN109884735 A CN 109884735A CN 201910240506 A CN201910240506 A CN 201910240506A CN 109884735 A CN109884735 A CN 109884735A
- Authority
- CN
- China
- Prior art keywords
- data
- rain fall
- precipitation
- precipitation rain
- significant
- 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.)
- Granted
Links
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
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种基于多雨量传感器观测降水的方法,本方法采用多个雨量传感器检测降水数据,并将多个雨量传感器的数据进行融合计算,在融合之前,将单雨量传感器观测数据进行一致性计算,去除可疑数据。采用多个雨量传感器融合计算的方法避免了因单个雨量传感器故障造成观测数据丢失的现象,增加了雨量观测的连续行。本发明尤其适合在海岛站、高山站和偏远地区气象站的雨量观测。综合而言,本方法可以增加雨量观测数据的可信度,同时减少偏远地区难维护保障自动气象站的维保次数。
Description
技术领域
本发明涉及一种基于多雨量传感器观测降水的方法,属于降水预测技术领域。
背景技术
降雨量是地面气象观测中必不可少的要素之一,也是气象服务中非常重要的决策参数之一。降雨量可以反映一个地区气候变化的趋势,也在城市、农业等行业领域决策中发挥至关重要的作用。
目前,我国气象部门在用的大部分雨量传感器为干簧管翻斗式雨量传感器,具有结构简单、功耗低的优点,但是经过多年的计量校准和现场运行发现,翻斗式雨量传感器存在观测结果偏移和易堵塞等多种问题,而且出现故障时,在许多海岛站、高山站和偏远地区的气象站难以得到及时的维护和保障,造成雨量数据偏移和缺失。
目前气象观测的手段还主要围绕单传感器的探测,观测精度提高主要是依靠提高传感器的感应精度和抗干扰能力,但是提高传感器的感应精度和抗干扰能力具有一定的难度。多雨量传感器相比单个的传感器具有在单个传感器出现故障时,能够使用其他传感器的观测数据进行融合,保障观测数据连续不间断,并剔除干扰信号造成异常值,以及增加在剧烈天气过程中观测站点雨量观测值可疑数据的可信度等方面的优点。
发明内容
本发明要解决的技术问题是提供一种基于多雨量传感器观测降水的方法,解决单雨量传感器降水观测结果偏移、易堵塞,海岛站、高山站和偏远地区的气象站难维护,造成雨量数据偏移和缺失的问题。
为了解决所述技术问题,本发明采用的技术方案是:一种基于多雨量传感器观测降水的方法,包括以下步骤:S01)、采用多个雨量传感器观测降雨量,并将多个雨量传感器的观测数据传输至微处理器;S02)、微处理器分别对多个雨量传感器检测的数据进行1分钟加权计算,所述1分钟加权计算是指微处理器计时1分钟接收到雨量传感器产生方形脉冲的数量,并判断加权后的数据是否为1个有效数,所述有效数是指正整数,如果是进行步骤S03,如果否,进行步骤S05;S03)、判断6小时内1分钟加权数据是否出现除第一个雨量传感器产生的有效数外,又出现另外的雨量传感器产生的有效数,如果是进行步骤S04,如果否将第一个有效数剔除并清零;S04)、将第一个有效数和最新出现的有效数作为最近1分钟加权有效数;S05)、对进行有效数一致性计算,数据输出,数据输出是模拟单雨量传感器产生的脉冲,数据为一致性计算的结果。
进一步的,微处理器同时对多个雨量传感器产生的脉冲数进行累加统计,当累加脉冲数大于100时进行一致性计算,若有剔除的数据,则进行故障报警,如果无,则将累加数清零并重新累加。
进一步的,一致性计算的过程为:设第一路雨量传感器产生的有效数为x1、第二路雨量传感器产生的有效数为x2、第i路雨量计采集到的分钟数据为xi,且x1、x2、…、xi均为正整数,已知x1、x2、xi,计算其均值u和方差σ,公式如下:
u=(x1+x2+…+xi)/i,
然后分别计算x1、x2、…、xi与u的差值的绝对值,若差值的绝对值大于标准差值1倍,则该数据滤掉,不参与到终值的平均值计算,滤掉一致性异常的数据后,剩下几个数据,就对这几个数据求均值,四舍五入取整,以此整数作为最终结果。
本发明的有益效果:本发明采用多个雨量传感器检测降水数据,并将多个雨量传感器的数据进行融合计算,在融合之前,将单雨量传感器观测数据进行一致性计算,去除可疑数据。采用多个雨量传感器融合计算的方法避免了因单个雨量传感器故障造成观测数据丢失的现象,增加了雨量观测的连续行。本发明尤其适合在海岛站、高山站和偏远地区气象站的雨量观测。综合而言,本方法可以增加雨量观测数据的可信度,同时减少偏远地区难维护保障自动气象站的维保次数。
附图说明
图1为本发明所述方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
实施例1
本实施例公开一种基于多雨量传感器观测降水的方法,如图1所示,包括以下步骤:
S01)、采用多个雨量传感器观测降雨量,并将多个雨量传感器的观测数据传输至微处理器;
S02)、微处理器分别对多个雨量传感器检测的数据进行1分钟加权计算,所述1分钟加权计算是指微处理器计时1分钟接收到雨量传感器产生方形脉冲的数量,并判断加权后的数据是否为1个有效数,所述有效数是正整数,如果是进行步骤S03,如果否,进行步骤S05;
S03)、判断6小时内1分钟加权数据是否出现除第一个雨量传感器产生的有效数外,又出现另外的雨量传感器产生的有效数,如果是进行步骤S04,如果否将第一个有效数剔除并清零;
S04)、将第一个有效数和最新出现的有效数作为最近1分钟加权有效数;
S05)、对有效数进行一致性计算,数据输出,数据输出是模拟单雨量传感器产生的脉冲,数量为一致性计算的结果。
一致性算法如下:
设第一路雨量传感器产生的有效数为x1、第二路雨量传感器产生的有效数为x2、第i路雨量计采集到的分钟数据为xi,且x1、x2、…、xi均为正整数,在求集合平均前,需要排除掉异常值,采用数据一致性算法排除异常值:
已知x1、x2、xi,计算其的均值u和方差σ,公式如下:
u=(x1+x2+…+xi)/i;
分别计算x1、x2、…、xi与u的差值的绝对值,若差值的绝对值大于标准差值1倍,则该数据滤掉,不参与到终值的平均值计算,滤掉一致性异常的数据后,剩下几个数据,就对这几个数据求均值,四舍五入取整,以此整数作为最终结果。
为了在雨量传感器出现故障和需要校准时能够给出明确的指示,微处理器同时对多个雨量传感器产生的脉冲数进行累加统计,当累加脉冲数大于100时进行一致性计算,若有剔除的数据,则进行故障报警,如果无,则将累加数清零并重新累加。
本方法在山东省气象计量站雨量检定实验室内(环境为气温21.7℃,气压1017.7hPa,相对湿度36.4%)进行了试验,随机选取待检定的三个SL-3型雨量传感器作为试验对象,采用JJS3型雨量检测系统模拟小时降水总量大于0.1mm的每分钟4mm、1mm、0.5mm、0.2mm和0.05mm的降水强度,以及降水总量不大于0.1mm的降水过程,使三个雨量传感器同时开始试验,同步误差控制在1分钟以内,三个雨量传感器的输出结果同时进入多雨量观测处理器,经过数据融合处理后,再模拟单雨量传感器输出的脉冲信号,由脉冲计数器进行计数,每计数1次,降水量为0.1mm。以下是试验的结果统计表:
表1 4mm雨强试验脉冲记录表
设定降水标准值为10mm,即脉冲数为100
终值 | X1输出 | X2输出 | X3输出 |
95 | 93 | 97 | 97 |
96 | 92 | 99 | 95 |
96 | 93 | 99 | 97 |
表2 1mm雨强试验脉冲记录表
设定降水标准值为10mm,即脉冲数为100
终值 | X1输出 | X2输出 | X3输出 |
99 | 100 | 99 | 96 |
99 | 101 | 98 | 96 |
99 | 99 | 100 | 97 |
表3 0.5mm雨强试验脉冲记录表
设定降水标准值为1.6mm,即脉冲数为16
终值 | X1输出 | X2输出 | X3输出 |
17 | 0 | 17 | 16 |
15 | 16 | 15 | 15 |
17 | 17 | 16 | 0 |
表4 0.2mm雨强试验脉冲记录表
设定降水标准值为1mm,即脉冲数为10
终值 | X1输出 | X2输出 | X3输出 |
10 | 11 | 10 | 11 |
10 | 10 | 9 | 9 |
11 | 10 | 11 | 11 |
表5 0.05mm雨强试验脉冲记录表
设定降水标准值为0.5mm,即脉冲数为5
终值 | X1输出 | X2输出 | X3输出 |
5 | 5 | 5 | 4 |
5 | 5 | 5 | 6 |
5 | 5 | 5 | 4 |
表6总降水量不大于0.1mm试验脉冲记录表
设定降水标准值为0.1mm,即脉冲数为1
终值 | X1输出 | X2输出 | X3输出 |
1 | 1 | 1 | 1 |
1 | 1 | 1 | 0 |
0 | 1 | 0 | 0 |
实验结果表明,最终的输出值更加接近设定的降水标准值,而且,在其中某一个传感器出现问题时,该算法可有效剔除异常值。
多雨量传感器观测降水的融合算法可以有效解决单传感器不稳定,容易干扰等问题,大幅提升观测数据质量,减少现场维护保障次数,提高气象服务的准确性和及时性提供可靠的理论支撑。
以上描述的仅是本发明的基本原理和优选实施例,本领域技术人员根据本发明做出的改进和替换,属于本发明的保护范围。
Claims (3)
1.一种基于多雨量传感器观测降水的方法,其特征在于:包括以下步骤:S01)、采用多个雨量传感器观测降雨量,并将多个雨量传感器的观测数据传输至微处理器;S02)、微处理器分别对多个雨量传感器检测的数据进行1分钟加权计算,所述1分钟加权计算是指微处理器计时1分钟接收到雨量传感器产生方形脉冲的数量,并判断加权后的数据是否为1个有效数,所述有效数是指正整数,如果是进行步骤S03,如果否,进行步骤S05;S03)、判断6小时内1分钟加权数据是否出现除第一个雨量传感器产生的有效数外,又出现另外的雨量传感器产生的有效数,如果是进行步骤S04,如果否将第一个有效数剔除并清零;S04)、将第一个有效数和最新出现的有效数作为最近1分钟加权有效数;S05)、进行有效数一致性计算,数据输出,数据输出是模拟单雨量传感器产生的脉冲,数据为一致性计算的结果。
2.根据权利要求1所述的基于多雨量传感器观测降水的方法,其特征在于:微处理器同时对多个雨量传感器产生的脉冲数进行累加统计,当累加脉冲数大于100时进行一致性计算,若有剔除的数据,则进行故障报警,如果无,则将累加数清零并重新累加。
3.根据权利要求1或2所述的基于多雨量传感器观测降水的方法,其特征在于:一致性计算的过程为:设第一路雨量传感器产生的有效数为x1、第二路雨量传感器产生的有效数为x2、第i路雨量计采集到的分钟数据为xi,且x1、x2、…、xi均为正整数,已知x1、x2、xi,计算其均值u和方差σ,公式如下:
u=(x1+x2+…+xi)/i,
,
然后分别计算x1、x2、…、xi与u的差值的绝对值,若差值的绝对值大于标准差值1倍,则该数据滤掉,不参与到终值的平均值计算,滤掉一致性异常的数据后,剩下几个数据,就对这几个数据求均值,四舍五入取整,以此整数作为最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910240506.2A CN109884735B (zh) | 2019-03-27 | 2019-03-27 | 一种基于多雨量传感器观测降水的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910240506.2A CN109884735B (zh) | 2019-03-27 | 2019-03-27 | 一种基于多雨量传感器观测降水的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109884735A true CN109884735A (zh) | 2019-06-14 |
CN109884735B CN109884735B (zh) | 2019-11-19 |
Family
ID=66934803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910240506.2A Active CN109884735B (zh) | 2019-03-27 | 2019-03-27 | 一种基于多雨量传感器观测降水的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109884735B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630867A (zh) * | 2020-12-30 | 2021-04-09 | 中国气象局气象探测中心 | 三个雨量传感器融合系统 |
CN116561705A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市国家气候观象台(深圳市天文台) | 一种三个雨量传感器数据融合计算方法、系统及终端 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07248380A (ja) * | 1994-03-14 | 1995-09-26 | Toshiba Corp | レーダ雨量補正装置 |
CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
CN106296850A (zh) * | 2016-07-27 | 2017-01-04 | 安徽聚润互联信息技术有限公司 | 一种基于天气信息的考勤系统及方法 |
CN106772699A (zh) * | 2016-12-30 | 2017-05-31 | 广州周立功单片机科技有限公司 | 雨量检测系统及雨量状态检测方法和装置 |
CN106950614A (zh) * | 2017-02-28 | 2017-07-14 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种区域自动气象站小时雨量数据质量控制方法 |
KR20170142375A (ko) * | 2016-06-17 | 2017-12-28 | 웰비안시스템주식회사 | 무게식 강수량계의 실효강수 산출 장치 및 방법 |
CN107918166A (zh) * | 2016-10-09 | 2018-04-17 | 清华大学 | 多卫星融合降水方法及系统 |
CN108205432A (zh) * | 2016-12-16 | 2018-06-26 | 中国航天科工飞航技术研究院 | 一种观测实验数据异常值的实时剔除方法 |
CN108761574A (zh) * | 2018-05-07 | 2018-11-06 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN109270853A (zh) * | 2018-09-14 | 2019-01-25 | 南京理工技术转移中心有限公司 | 一种智能生态水资源管理系统的工作方法 |
-
2019
- 2019-03-27 CN CN201910240506.2A patent/CN109884735B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07248380A (ja) * | 1994-03-14 | 1995-09-26 | Toshiba Corp | レーダ雨量補正装置 |
CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
KR20170142375A (ko) * | 2016-06-17 | 2017-12-28 | 웰비안시스템주식회사 | 무게식 강수량계의 실효강수 산출 장치 및 방법 |
CN106296850A (zh) * | 2016-07-27 | 2017-01-04 | 安徽聚润互联信息技术有限公司 | 一种基于天气信息的考勤系统及方法 |
CN107918166A (zh) * | 2016-10-09 | 2018-04-17 | 清华大学 | 多卫星融合降水方法及系统 |
CN108205432A (zh) * | 2016-12-16 | 2018-06-26 | 中国航天科工飞航技术研究院 | 一种观测实验数据异常值的实时剔除方法 |
CN106772699A (zh) * | 2016-12-30 | 2017-05-31 | 广州周立功单片机科技有限公司 | 雨量检测系统及雨量状态检测方法和装置 |
CN106950614A (zh) * | 2017-02-28 | 2017-07-14 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种区域自动气象站小时雨量数据质量控制方法 |
CN108761574A (zh) * | 2018-05-07 | 2018-11-06 | 中国电建集团北京勘测设计研究院有限公司 | 基于多源信息融合的降雨量估算方法 |
CN109270853A (zh) * | 2018-09-14 | 2019-01-25 | 南京理工技术转移中心有限公司 | 一种智能生态水资源管理系统的工作方法 |
Non-Patent Citations (2)
Title |
---|
何艳丽 等: ""多传感器自动站的数据融合效果及优势分析"", 《气象》 * |
哈伊拉提·哈什肯别克: ""不同雨量计观测降水量结果的对比及相关性分析"", 《能源与节能》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630867A (zh) * | 2020-12-30 | 2021-04-09 | 中国气象局气象探测中心 | 三个雨量传感器融合系统 |
CN116561705A (zh) * | 2023-07-07 | 2023-08-08 | 深圳市国家气候观象台(深圳市天文台) | 一种三个雨量传感器数据融合计算方法、系统及终端 |
CN116561705B (zh) * | 2023-07-07 | 2023-10-20 | 深圳市国家气候观象台(深圳市天文台) | 一种三个雨量传感器数据融合计算方法、系统及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN109884735B (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gong et al. | Changes in extreme daily mean temperatures in summer in eastern China during 1955–2000 | |
Kochendorfer et al. | Analysis of single-Alter-shielded and unshielded measurements of mixed and solid precipitation from WMO-SPICE | |
CN109884735B (zh) | 一种基于多雨量传感器观测降水的方法 | |
Frank et al. | Underestimates of sensible heat flux due to vertical velocity measurement errors in non-orthogonal sonic anemometers | |
Hussein et al. | Simulating cotton yield response to deficit irrigation with the FAO AquaCrop model | |
CN110197020B (zh) | 一种环境变化对水文干旱影响的分析方法 | |
CN104200113A (zh) | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 | |
CN106321368A (zh) | 基于运营风机scada数据的海上风电场尾流损失测量方法 | |
CN107037504B (zh) | 用于强对流天气预报的同化地闪转换代理雷达回波的方法 | |
CN112666559B (zh) | 一种多普勒天气雷达数据质量控制方法 | |
CN108711266B (zh) | 基于大气电场的雷电短临局地预警方法 | |
Gottschall et al. | Verification test for three WindCubeTM WLS7 LiDARs at the Høvsøre test site | |
CN113282576B (zh) | 一种气象数据质量控制方法 | |
CN107505126B (zh) | 一种机载产品飞行试验测试性评估方法 | |
CN111291032A (zh) | 一种组合型风电场数据清洗方法 | |
DK2798382T3 (en) | SELF-ACTIVATING ADAPTIVE TARGETING METHOD AND PROCEDURE FOR THE REGISTRATION OF SMALL ELECTROMAGNETIC SIGNALS | |
CN115953085B (zh) | 一种评估复合干热事件对植被生长影响的方法 | |
CN117172959B (zh) | 一种林业生态环境监测系统及方法 | |
CN109407177A (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
CN115600067A (zh) | 一种基于物联网的建筑结构形变监测系统及方法 | |
CN109145257A (zh) | 一种基于多测点公共异常时间的大坝安全监测分析方法 | |
CN108982310A (zh) | 一种降低人工放射性气溶胶监测仪虚警率的方法 | |
CN106197759B (zh) | 一种温度传感器控制系统 | |
CN107561470A (zh) | 一种故障指示器运行状态评价系统 | |
CN110197442A (zh) | 一种结合质控的风资源评估系统 |
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 |