CN109978010B - 多雨量传感器融合方法 - Google Patents
多雨量传感器融合方法 Download PDFInfo
- Publication number
- CN109978010B CN109978010B CN201910155533.XA CN201910155533A CN109978010B CN 109978010 B CN109978010 B CN 109978010B CN 201910155533 A CN201910155533 A CN 201910155533A CN 109978010 B CN109978010 B CN 109978010B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- sensor
- data
- fusion
- effective
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/18—Testing or calibrating meteorological apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental Sciences (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Atmospheric Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提出多雨量传感器融合方法，包括以下步骤：线性误差订正、假定参数、多雨量传感器的数据采集、判断总指控码和总传感器状态、计算和统计小时雨量和日雨量和判断雨量传感器状态；本发明通过采用时间窗的方法可以解决降雨结束时间的准确性问题，提高多雨量传感器融合的精确性，通过仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，为多雨量传感器融合提高了检定环境，雨量融合模型在检定环境得到了非常好的优化数据，满足了数据融合指标的要求，在实际应用中，可以有效的克服观测时间长度不同造成总量误差以及毛毛雨疏漏的问题，同时本发明算法可以有效的实现数据融合和优化输出。
Description
技术领域
本发明涉及数据融合技术领域，尤其涉及多雨量传感器融合方法。
背景技术
当前地面气象观测业务中使用的自动气象站可以观测多种气象要素，包括风速、风向、气温、相对湿度、雨量、大气压强、地表温度、浅层地温、深层地温、蒸发量、大气能见度等等。所有的气象要素都由唯一的探测传感器将要素变化量转换为电气信号，由采集器进行采集、计算处理，得到每分钟的气象瞬时值。但是传感器的唯一性带来了一些难以解决的问题，包括观测数据的连续性得不到保障、观测数据异常情况的识别困难以及传感器的稳定性有一定的期限的问题。
多传感器融合的概念在工业、航天及其他领域也有涉及，应用于不同类型、不同种类的观测传感器综合评估的场合，气象行业中，多传感器融合在天气现象观测项目中也得到应用，通过能见度传感器、雨感和温湿度等判断天气现象。
但同一传感器数据融合，则是国内气象厂家都还没有涉足的一个多传感器融合的特殊领域，国内外的自动气候站挂接的三个同一型号的传感器是互为备份，一个出现异常或者故障直接采用另外一个传感器的数据，没有实现数据融合和优化输出，更加没有做到通过传感器的历史观测趋势判断该传感器的性能变化，在保持该观测项目传感器性能稳定性这一方面与单传感器没有区别。因此，本发明提出多雨量传感器融合方法，以解决现有技术中的不足之处。
发明内容
针对上述问题，本发明通过采用时间窗的方法可以解决降雨结束时间的准确性问题，提高多雨量传感器融合的精确性，通过仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，为多雨量传感器融合提高了检定环境，雨量融合模型在检定环境得到了非常好的优化数据，满足了数据融合指标的要求，在实际应用中，可以有效的克服观测时间长度不同造成总量误差以及毛毛雨疏漏的问题。
本发明提出多雨量传感器融合方法，包括以下步骤：
步骤一：线性误差订正
首先根据仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，然后进行气候极限值检查，对于超出极限范围的数据进行超限记录；
步骤二：假定参数
取三个分钟雨量进行雨情判断，根据降雨观测的经验以及数据总结，假设雨量传感器均为正常工作，无论是大雨强还是小雨强，毛毛雨情况下，三个传感器输出均有数据可以比较；
步骤三：多雨量传感器的数据采集
三个雨量传感器进行同步的数据采集，并且形成固定格式的分钟观测数据，然后取三个分钟雨量，雨量传感器第一次记录有雨则表示此过程该雨量传感器有效，记录此过程雨量数据，若有效雨量传感器记录雨量只有一个有雨，且该单个雨量数据超过单个降雨阈值则该传感器记录剔除，雨量传感器记录终值为0，则总指控码和总传感器均正常，然后结束该多雨量传感器融合模型的判断；若有效雨量传感器记录雨量不止一个有雨，则求出有效传感器的雨量平均值，出现余数则进行累积，雨量传感器记录终值连续60分钟为0，则结束该多雨量传感器融合模型的判断，复位有效标记和余数，然后进行检查终值；
步骤四：判断总指控码和总传感器状态
若上述步骤三中检查的终值超过最大阈值，则表示总指控码错误和总传感器异常；若步骤三中检查的终值为正常，则表示总指控码和总传感器均正常；
步骤五：计算和统计小时雨量和日雨量
根据步骤四中的指控码和总传感器状态进行计算和统计小时雨量和日雨量，然后检查各雨量传感器的初始雨量采集状态，若各雨量传感器采集状态正常，则使用该雨量传感器记录数据，若各雨量传感器采集状态异常，则剔除该雨量传感器记录数据，最后检查有几个雨量有效，然后进行有效雨量数据判断；
步骤六：判断有效雨量数据
若上述步骤五中有效的雨量传感器记录数据中有且只有一个雨量数据有效，且该雨量数据超过阈值，则剔除该雨量数据，并修正该传感器采集状态为异常；若有效的雨量传感器记录数据中不止一个雨量数据有效，且雨量数据终值为小雨强，则进行判断该终值是否超过小雨强阈值，若超出小雨强阈值则剔除该终值雨量数据；若雨量终值为大雨强，则进行判断该终值是否超过大雨强阈值，若超出大雨强阈值则剔除该终值雨量数据，最后对总雨量相互比较验证，结合权重记录的统计结果，得到雨量传感器状态是否稳定的提示信息。
进一步改进在于：所述步骤一中对于超出极限范围的数据还需要进行离散度计算。
进一步改进在于：所述步骤一中对于超限记录的数据，没有得到其他数据相互验证的情况下权重取零，最后输出加权融合后的数据作为该分钟的气象瞬时值，同时输出权重记录统计，则可以反映雨量传感器状态是否稳定，是否发生性能变化。
进一步改进在于：所述步骤一中仪器检定参数的检定要素为雨量，测量范围为0～4mm/min，测量分辨力为0.1mm，测量精度在雨量≤10mm时为±0.4mm，测量精度在雨量＞10mm时为±4％。
进一步改进在于：所述步骤二中毛毛雨的雨情判断观测可能累计几分钟才能采集到0.1mm雨量，所以采用0.1mm雨量作为一天是否有降雨的判据。
进一步改进在于：所述步骤二中雨情判断使用时间窗的方法判别当前分钟雨量是否为0.1mm。
进一步改进在于：所述步骤二中使用时间窗的方法进行判别过程为：在一段时间长度内检查三个传感器输出0.1mm雨量的一致性，决定0.1mm的雨量是否为有效数据，如果具有一致性，则认为0.1mm是有效的；如果不具有一致性，则认为这个0.1mm分钟雨量的实测值是信号干扰或者线路故障导致的某个雨量传感器的误动作，权重取零。
进一步改进在于：所述步骤五中计算统计小时雨量和日雨量过程为：对于正常降雨的情况，对各雨量传感器的各实测数据分配权重系数，最后加权融合得到一个分钟雨量数据，各分钟雨量数据同时再经过累计得到一个小时或者多个小时的总雨量。
本发明的有益效果为：通过采用时间窗的方法可以解决降雨结束时间的准确性问题，提高多雨量传感器融合的精确性，通过仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，为多雨量传感器融合提高了检定环境，雨量融合模型在检定环境得到了非常好的优化数据，满足了数据融合指标的要求，在实际应用中，可以有效的克服观测时间长度不同造成总量误差以及毛毛雨疏漏的问题，同时本发明算法可以有效的实现数据融合和优化输出，实现通过雨量传感器的历史观测趋势判断该雨量传感器的性能变化，为数据融合提高了温度的基础，融合误差范围小，具有良好的融合效果。
附图说明
图1为本发明融合模型结构示意图。
具体实施方式
为了加深对本发明的理解，下面将结合实施例对本发明做进一步详述，本实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
根据图1所示，本实施例提出多雨量传感器融合方法，包括以下步骤：
步骤一：线性误差订正
首先根据仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，然后进行气候极限值检查，对于超出极限范围的数据进行超限记录；
步骤二：假定参数
取三个分钟雨量进行雨情判断，根据降雨观测的经验以及数据总结，假设雨量传感器均为正常工作，无论是大雨强还是小雨强，毛毛雨情况下，三个传感器输出均有数据可以比较；
步骤三：多雨量传感器的数据采集
三个雨量传感器进行同步的数据采集，并且形成固定格式的分钟观测数据，然后取三个分钟雨量，雨量传感器第一次记录有雨则表示此过程该雨量传感器有效，记录此过程雨量数据，若有效雨量传感器记录雨量只有一个有雨，且该单个雨量数据超过单个降雨阈值则该传感器记录剔除，雨量传感器记录终值为0，则总指控码和总传感器均正常，然后结束该多雨量传感器融合模型的判断；若有效雨量传感器记录雨量不止一个有雨，则求出有效传感器的雨量平均值，出现余数则进行累积，雨量传感器记录终值连续60分钟为0，则结束该多雨量传感器融合模型的判断，复位有效标记和余数，然后进行检查终值；
步骤四：判断总指控码和总传感器状态
若上述步骤三中检查的终值超过最大阈值，则表示总指控码错误和总传感器异常；若步骤三中检查的终值为正常，则表示总指控码和总传感器均正常；
步骤五：计算和统计小时雨量和日雨量
根据步骤四中的指控码和总传感器状态进行计算和统计小时雨量和日雨量，对于正常降雨的情况，对各雨量传感器的各实测数据分配权重系数，最后加权融合得到一个分钟雨量数据，各分钟雨量数据同时再经过累计得到一个小时或者多个小时的总雨量，然后检查各雨量传感器的初始雨量采集状态，若各雨量传感器采集状态正常，则使用该雨量传感器记录数据，若各雨量传感器采集状态异常，则剔除该雨量传感器记录数据，最后检查有几个雨量有效，然后进行有效雨量数据判断；
步骤六：判断有效雨量数据
若上述步骤五中有效的雨量传感器记录数据中有且只有一个雨量数据有效，且该雨量数据超过阈值，则剔除该雨量数据，并修正该传感器采集状态为异常；若有效的雨量传感器记录数据中不止一个雨量数据有效，且雨量数据终值为小雨强，则进行判断该终值是否超过小雨强阈值，若超出小雨强阈值则剔除该终值雨量数据；若雨量终值为大雨强，则进行判断该终值是否超过大雨强阈值，若超出大雨强阈值则剔除该终值雨量数据，最后对总雨量相互比较验证，结合权重记录的统计结果，得到雨量传感器状态是否稳定的提示信息。
通过采用时间窗的方法可以解决降雨结束时间的准确性问题，提高多雨量传感器融合的精确性，通过仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，为多雨量传感器融合提高了检定环境，雨量融合模型在检定环境得到了非常好的优化数据，满足了数据融合指标的要求，在实际应用中，可以有效的克服观测时间长度不同造成总量误差以及毛毛雨疏漏的问题，同时本发明算法可以有效的实现数据融合和优化输出，实现通过雨量传感器的历史观测趋势判断该雨量传感器的性能变化，为数据融合提高了温度的基础，融合误差范围小，具有良好的融合效果。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.多雨量传感器融合方法，其特征在于，包括以下步骤：
步骤一：线性误差订正
首先根据仪器检定参数对三个实测气象瞬时值进行分段的线性误差订正，仪器检定参数的检定要素为雨量，测量范围为0～4mm/min，测量分辨力为0.1mm，测量精度在雨量≤10mm时为±0.4mm，测量精度在雨量＞10mm时为±4％，然后进行气候极限值检查，对于超出极限范围的数据进行超限记录和离散度计算；
步骤二：假定参数
取三个分钟雨量进行雨情判断，根据降雨观测的经验以及数据总结，假设雨量传感器均为正常工作，无论是大雨强还是小雨强，毛毛雨情况下，三个传感器输出均有数据可以比较；
步骤三：多雨量传感器的数据采集
三个雨量传感器进行同步的数据采集，并且形成固定格式的分钟观测数据，然后取三个分钟雨量，雨量传感器第一次记录有雨则表示此过程该雨量传感器有效，记录此过程雨量数据，若有效雨量传感器记录雨量只有一个有雨，且该单个雨量数据超过单个降雨阈值则该传感器记录剔除，雨量传感器记录终值为0，则总指控码和总传感器均正常，然后结束该多雨量传感器融合模型的判断；若有效雨量传感器记录雨量不止一个有雨，则求出有效传感器的雨量平均值，出现余数则进行累积，雨量传感器记录终值连续60分钟为0，则结束该多雨量传感器融合模型的判断，复位有效标记和余数，然后进行检查终值；
步骤四：判断总指控码和总传感器状态
若上述步骤三中检查的终值超过最大阈值，则表示总指控码错误和总传感器异常；若步骤三中检查的终值为正常，则表示总指控码和总传感器均正常；
步骤五：计算和统计小时雨量和日雨量
根据步骤四中的指控码和总传感器状态进行计算和统计小时雨量和日雨量，然后检查各雨量传感器的初始雨量采集状态，若各雨量传感器采集状态正常，则使用该雨量传感器记录数据，若各雨量传感器采集状态异常，则剔除该雨量传感器记录数据，最后检查有几个雨量有效，然后进行有效雨量数据判断；
步骤六：判断有效雨量数据
若上述步骤五中有效的雨量传感器记录数据中有且只有一个雨量数据有效，且该雨量数据超过阈值，则剔除该雨量数据，并修正该传感器采集状态为异常；若有效的雨量传感器记录数据中不止一个雨量数据有效，且雨量数据终值为小雨强，则进行判断该终值是否超过小雨强阈值，若超出小雨强阈值则剔除该终值雨量数据；若雨量终值为大雨强，则进行判断该终值是否超过大雨强阈值，若超出大雨强阈值则剔除该终值雨量数据，最后对总雨量相互比较验证，结合权重记录的统计结果，得到雨量传感器状态是否稳定的提示信息；
所述步骤二中毛毛雨的雨情判断观测可能累计几分钟才能采集到0.1mm雨量，所以采用0.1mm雨量作为一天是否有降雨的判据；
所述步骤二中雨情判断使用时间窗的方法判别当前分钟雨量是否为0.1mm；
所述步骤二中使用时间窗的方法进行判别过程为：在一段时间长度内检查三个传感器输出0.1mm雨量的一致性，决定0.1mm的雨量是否为有效数据，如果具有一致性，则认为0.1mm是有效的；如果不具有一致性，则认为这个0.1mm分钟雨量的实测值是信号干扰或者线路故障导致的某个雨量传感器的误动作，权重取零。
2.根据权利要求1所述的多雨量传感器融合方法，其特征在于：所述步骤一中对于超限记录的数据，没有得到其他数据相互验证的情况下权重取零，最后输出加权融合后的数据作为该分钟的气象瞬时值，同时输出权重记录统计，则可以反映雨量传感器状态是否稳定，是否发生性能变化。
3.根据权利要求1所述的多雨量传感器融合方法，其特征在于：所述步骤五中计算统计小时雨量和日雨量过程为：对于正常降雨的情况，对各雨量传感器的各实测数据分配权重系数，最后加权融合得到一个分钟雨量数据，各分钟雨量数据同时再经过累计得到一个小时或者多个小时的总雨量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910155533.XA CN109978010B (zh) | 2019-04-10 | 2019-04-10 | 多雨量传感器融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910155533.XA CN109978010B (zh) | 2019-04-10 | 2019-04-10 | 多雨量传感器融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109978010A CN109978010A (zh) | 2019-07-05 |
| CN109978010B true CN109978010B (zh) | 2021-03-05 |
Family
ID=67077698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910155533.XA Active CN109978010B (zh) | 2019-04-10 | 2019-04-10 | 多雨量传感器融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978010B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361796A (zh) * | 2019-08-16 | 2019-10-22 | 厦门市气象局 | 防浇灌雨量智能判断系统 |
| CN111897032B (zh) * | 2020-08-11 | 2022-06-10 | 湖北生态工程职业技术学院 | 基于单位时间内的翻斗式水量传感器未知精度校正方法 |
| 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 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104848873A (zh) * | 2014-02-18 | 2015-08-19 | 空中客车运营简化股份公司 | 传感器数据融合的方法 |
| CN106961349A (zh) * | 2017-02-20 | 2017-07-18 | 江苏大学 | 一种基于数据融合的传感器故障识别系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106950614B (zh) * | 2017-02-28 | 2019-03-22 | 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 |
-
2019
- 2019-04-10 CN CN201910155533.XA patent/CN109978010B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104848873A (zh) * | 2014-02-18 | 2015-08-19 | 空中客车运营简化股份公司 | 传感器数据融合的方法 |
| CN106961349A (zh) * | 2017-02-20 | 2017-07-18 | 江苏大学 | 一种基于数据融合的传感器故障识别系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109978010A (zh) | 2019-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978010B (zh) | 多雨量传感器融合方法 | |
| CN107066831B (zh) | 一种区域综合环境评价方法、装置及系统 | |
| CN116227752B (zh) | 一种基于物联网的园区设施管理系统 | |
| CN110363339B (zh) | 一种基于电机参数进行预测性维护的方法与系统 | |
| CN113743013A (zh) | 一种基于XGBoost气温预测数据修正的方法 | |
| CN108779995B (zh) | 用于检测环境参数的传感器和用于校准这种传感器的方法 | |
| CN112418517B (zh) | 一种用于冻害短临预警的预测方法 | |
| CN113742927B (zh) | 一种气象预报数据质量检测的方法 | |
| CN113281827B (zh) | 一种降水气象要素的质控方法、装置、存储介质及设备 | |
| KR102575917B1 (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
| CN111090932B (zh) | 一种适应中等复杂地形的在运风电场场地标定方法 | |
| CN109766937B (zh) | 一种掩星数据的质量控制方法、装置、设备及存储介质 | |
| CN116804569A (zh) | 一种铁路路基塌陷监测方法和系统 | |
| CN109696232B (zh) | 道路轴载谱检测系统的自动标定方法 | |
| CN113157684B (zh) | 一种水利海量数据的查错方法 | |
| CN102789998B (zh) | 检测方法及检测装置 | |
| CN104330103A (zh) | 一种恒温恒湿系统故障检测装置 | |
| CN112485009B (zh) | 环境温度检测方法、装置、控制器及车辆 | |
| CN112129387B (zh) | 基于大数据的动态称重系统温度自适应方法 | |
| CN114705908A (zh) | 一种智能电表状态监测装置及其使用方法 | |
| CN111259538B (zh) | 一种振动报警方法、存储介质和电子设备 | |
| CN113742929A (zh) | 一种针对格点气象实况的数据质量评价方法 | |
| CN210782343U (zh) | 屋顶绿化生态服务功能评估实验场 | |
| CN110736854A (zh) | 一种基于机身两侧迎角传感器的飞行迎角获取方法 | |
| CN113108837A (zh) | 一种基于光纤传感器的电气设备故障检测方法 |
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 |