CN111599162A - 报文的测试方法、装置及系统 - Google Patents
报文的测试方法、装置及系统 Download PDFInfo
- Publication number
- CN111599162A CN111599162A CN202010406057.7A CN202010406057A CN111599162A CN 111599162 A CN111599162 A CN 111599162A CN 202010406057 A CN202010406057 A CN 202010406057A CN 111599162 A CN111599162 A CN 111599162A
- Authority
- CN
- China
- Prior art keywords
- message
- data
- weather
- weather forecast
- tested
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims description 41
- 238000000354 decomposition reaction Methods 0.000 claims description 27
- 238000001556 precipitation Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 11
- 239000002131 composite material Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 5
- 230000008014 freezing Effects 0.000 claims description 4
- 238000007710 freezing Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- GDOPTJXRTPNYNR-UHFFFAOYSA-N methyl-cyclopentane Natural products CC1CCCC1 GDOPTJXRTPNYNR-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C25/00—Arrangements for preventing or correcting errors; Monitoring arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Landscapes
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种报文的测试方法、装置及系统,该方法,包括:获取全球预报系统GFS中的气象预报数据;根据所述气象预报数据生成第一报文,所述第一报文包括气象预测数据,所述气象预测数据包括多个气象预测状态,所述气象预测状态用于表征预设时长内对应气象特征的气象状态;根据所述第一报文以及待测试报文确定测试结果。大大提升了报文准确率测试的效率和准确率。
Description
技术领域
本发明涉及气象预报技术领域,尤其涉及一种报文的测试方法、装置及系统。
背景技术
自动发报系统开发过程中,除了基本的功能测试外,还需要对生成的报文进行准确率测试。
传统的测试方式需要人工参与,提取数据集中各种类型的气象信息,获得对应的报文,进而通过对比获得报文的正确性。
然而现有技术通过人工检测报文正确性的方式,在数据量庞大时,因为气象数据涉及互相影响的云、能见度、天气现象三大要素,且关联多个数据信息,从而会造成人工对比气象结果需要较长时间;另外报文的生成包含有各种规则,人工操作容易出错;同时人工测试的过程中需要验证多个地区、大量的报文(比如100条报文)生成结果,尤其在测试的过程中如果规则出现调整,将极大的增加维护工作量,造成人工工作量大、报文测试效率低、维护难等问题。
发明内容
本发明提供一种报文的测试方法、装置及系统,以提升报文准确率测试的效率和准确率。
第一方面,本发明实施例提供的一种报文的测试方法,包括:
获取气象预报数据;
根据所述气象预报数据生成第一报文,所述第一报文包括气象预测数据,所述气象预测数据包括多个气象预测状态,所述气象预测状态用于表征预设时长内对应气象特征的气象状态;
根据所述第一报文以及待测试报文确定测试结果。
在一种可能的设计中,获取航空气象预报中的历史报文;
根据所述历史报文中的时间信息、所述历史报文中的气象预测数据,生成各气象场景的类型。
在一种可能的设计中,根据所述气象预报数据生成第一报文,包括:
根据所述气相预报数据中的地面风,分别生成第一报文对应的风向预测状态、风速预测状态;
根据所述气象预报数据中分类雨、分类冰粒、分类冻雨、分类雪、温度以及能见度,结合复合反射率或者历史气象降水时间段,分别生成第一报文对应的降水类天气现象预测状态、视程障碍类天气现象预测状态;
根据所述气象预报数据中的海拔层、湿度、能见度以及所述降水类天气现象预测状态,得到第一报文对应的云组预测状态。
在一种可能的设计中,根据所述气象预测数据生成基础组数据和变化组数据,所述基础组数据用于记录预设时段内气象的基础预测数据,所述变化组数据用于根据基础组数据记录符合气象预测数据变化条件的各时段气象预测数据;
根据机场信息、发布时间,结合所述基础组信息、所述变化组信息,依次生成第一报文。
在一种可能的设计中,根据所述第一报文以及待测试报文确定测试结果,包括:
分别获取机场信息、发布时间对应相同的所述第一报文与所述待测试报文;
若检测所述第一报文与所述待测试报文存在差异,则分别对所述待测试报文、所述第一报文进行分解,得到对应的分解基础组数据、分解变化组数据;
根据所述分解基础组数据、所述分解变化组数据,对比所述第一报文与所述待测试报文中分别对应的各项解析预测状态,若所述第一报文与所述待测试报文中至少一项解析预测状态存在差异,则确定测试结果。
在一种可能的设计中,在根据所述气象预报数据生成第一报文之后,还包括:
将所述第一报文与所述历史报文进行比较,获得与历史报文中气象场景类型相同的所述第一报文。
在一种可能的设计中,所述方法,还包括:
根据所述气象场景的类型、机场信息,以及所述发布时间,得到相对应的所述第一报文与所述待测试报文。
第二方面,本发明实施例提供的一种报文的测试装置,包括:
获取模块,用于获取气象预报数据;
生成模块,用于根据所述气象预报数据生成第一报文,所述第一报文包括气象预测数据,所述气象预测数据包括多个气象预测状态,所述气象预测状态用于表征预设时长内对应气象特征的气象状态;
检测模块,用于根据所述第一报文以及待测试报文确定测试结果。
在一种可能的设计中,获取航空气象预报中的历史报文;
根据所述历史报文中的时间信息、所述历史报文中的气象预测数据,生成各气象场景的类型。
在一种可能的设计中,根据所述气象预报数据生成第一报文,包括:
根据所述气相预报数据中的地面风,分别生成第一报文对应的风向预测状态、风速预测状态;
根据所述气象预报数据中分类雨、分类冰粒、分类冻雨、分类雪、温度以及能见度,结合复合反射率或者历史气象降水时间段,分别生成第一报文对应的降水类天气现象预测状态、视程障碍类天气现象预测状态;
根据所述气象预报数据中的海拔层、湿度、能见度以及所述降水类天气现象预测状态,得到第一报文对应的云组预测状态。
在一种可能的设计中,还包括:根据所述气象预测数据生成基础组数据和变化组数据,所述基础组数据用于记录预设时段内的气象的基础预测数据,所述变化组数据用于根据基础组数据记录符合气象预测数据变化条件的各时段气象预测数据;
根据机场信息、发布时间,结合所述基础组数据、所述变化组数据,依次生成第一报文。
在一种可能的设计中,所述检测模块,具体用于:
分别获取机场信息、发布时间对应相同的所述第一报文与所述待测试报文;
若检测所述第一报文与所述待测试报文存在差异,则分别对所述待测试报文、所述第一报文进行分解,得到对应的分解基础组数据、分解变化组数据;
根据所述分解基础组数据、所述分解变化组数据,对比所述第一报文与所述待测试报文中分别对应的各项解析预测状态,若所述第一报文与所述待测试报文中至少一项解析预测状态存在差异,则确定测试结果。
在一种可能的设计中,在根据所述气象预报数据生成第一报文之后,还包括:
将所述第一报文与所述历史报文进行比较,获得与历史报文中气象场景类型相同的所述第一报文。
在一种可能的设计中,所述方法,还包括:
根据所述气象场景的类型、机场信息,以及所述发布时间,得到相对应的所述第一报文与所述待测试报文。
第三方面,本发明实施例提供的一种报文的测试系统,包括:存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行第一方面任一项所述的报文的测试方法。
第四方面,本发明实施例提供的一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面任一项所述的报文的测试方法。
本发明提供一种报文的测试方法、装置及系统,该方法,包括:包括:获取气象预报数据;根据所述气象预报数据生成第一报文,所述第一报文包括气象预测数据,所述气象预测数据包括多个气象预测状态,所述气象预测状态用于表征预设时长内对应气象特征的气象状态;根据所述第一报文以及待测试报文确定测试结果。大大提升了报文准确率测试的效率和准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一典型应用场景示意图;
图2为本发明实施例提供的一种报文的测试方法的流程图;
图3为本发明实施例提供的差异解析信息统计显示示意图;
图4为本发明实施例提供的一种报文的测试装置的结构示意图;
图5为本发明实施例提供的一种报文的测试系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
传统的测试方式需要人工参与,提取数据集中各种类型的气象信息,获得对应的报文,进而通过对比获得报文的正确性。造成人工对比气象结果耗时长、人工工作量大,且出现报文测试效率低,以及维护难等问题。
图1为本发明一典型应用场景示意图,如图1所示,报文的测试系统11通过将待测试报文12和第一报文13根据规则转化为可分析的解析信息,降低人工维护成本,从而提升报文准确率测试的效率和准确率。
图2为本发明实施例提供的一种报文的测试方法的流程图,如图2所示,本实施例中的报文的测试方法可以包括:
S201、获取气象预报数据。
具体的,通过将全球预报系统GFS中二进制的数据存储格式转化为json等数据格式,得到各项气象预报数据,其中气象预报数据可以包括:U(地面风U分量),V(地面风V分量),gust(阵风),vis(能见度),dpt(露点温度),rh(相对湿度),temperature(温度),sf(雪水当量),cp(一小时对流性降水量),tp(一小时降水量),tcc(总云量),lcc(低云量),refc(符合反射率),cape(对流有效位能),crain(分类雨),cicep(分类冰粒),cfrzr(分类冻雨),csnow(分类雪)。进而可以根据气象预报数据生成第一报文。其中各项气象预报数据可以定时存储于Mysql数据库中。GFS是美国国家环境预报中心(NCEP)的数值预报模型。可以预报很多大气和土壤的要素变化,如风、温度、降水、土壤水分等。可以预报未来8天。
S202、根据气象预报数据生成第一报文,第一报文包括气象预测数据,气象预测数据包括多个气象预测状态,气象预测状态用于表征预设时长内对应气象特征的气象状态。
具体的气象预测数据可以包括风向预测状态、风速预测状态、降水类天气现象预测状态、视程障碍类天气现象预测状态、云组预测状态、温度预测状态以及能见度预测状态。
根据气象预测数据生成基础组数据和变化组数据,基础组数据用于记录预设时段内的气象的基础预测数据,变化组数据用于根据基础组数据记录符合气象预测数据变化条件的各时段气象预测数据;并结合机场信息、发布时间,最终生成第一报文。
S203、根据第一报文以及待测试报文确定测试结果。
本实施例中,获取机场信息和发布时间均相同的第一报文与待测试报文,若检测第一报文与待测试报文不存在差异,则确定该待测试报文完全准确;若检测第一报文与待测试报文存在差异,则分别对该待测试报文、第一报文进行分解,从而确定测试结果。进而可以确认报文的准确量占比,还可以统计显示准确的待测试报文总量。其中测试结果可以表示待测试报文与第一报文中存在至少一项气象预测状态不同。其中待测试报文为自动发报系统中根据解析后的气象预报数据生成的报文,若该待测试报文准确,则通过自动发报系统将该准确的待测试报文发送至民航气象中心数据库,以便进行情报交换。
在一种可选的实施例中,可以将第一报文与待测试报文存放于excel文件中,生成报告文件,可以生成报文数量统计、报文准确率统计等报告,同时也可以输出数据的差异集合、错误点统计等信息。
本实施例中可以将大量的气象预报数据转化为可分析的报文,从而降低人工维护的成本、人工操作失误,提高测试效率。
结合图2所示的实施例,根据气象预报数据生成第一报文可以进一步采用以下方式,具体的根据气象预报数据中的地面风,分别生成第一报文对应的风向预测状态、风速预测状态;根据气象预报数据中分类雨、分类冰粒、分类冻雨、分类雪、温度以及能见度,结合复合反射率或者历史气象降水时间段,分别生成第一报文对应的降水类天气现象预测状态、视程障碍类天气现象预测状态;根据气象预报数据中的海拔层、湿度、能见度以及降水类天气现象预测状态,得到第一报文对应的云组预测状态。
例如风向预测状态可以根据地面风的U、V两项预报数据采用如下公式一获得风角á,即可以生成第一报文中的风向预测状态。
á=tan-1U/V 公式一
还可以根据地面风的U、V两项预报数据采用如下公式二获得风速W,即可以生成第一报文中的风速预测状态,
天气现象可以分为降水类和视程障碍类,其中降水类包括:雨(RA)、阵雨(SHRA)、雷雨(TSRA)、冻雨(FZRA)、雪(SN),视程障碍类包括:轻雾(BR)、雾(FG)、冻雾(FZFG)、霾(HZ)。其中气象预报数据可以包括:cape(对流有效位能),crain(分类雨),cicep(分类冰粒),cfrzr(分类冻雨),csnow(分类雪),以及复合反射率refc。
根据气象预报数据中的crain(分类雨),cicep(分类冰粒),cfrzr(分类冻雨),csnow(分类雪),可以得到降水类天气现象的类型,例如crain(分类雨),cicep(分类冰粒),cfrzr(分类冻雨),csnow(分类雪)数据备注为1时,即可以得到降水类天气现象的类型;进而结合复合反射率,若符合其中一项降水类对应的降水预设条件,则生成第一报文中的降水类天气现象预测状态。天气现象中的符号可以包括+、-,以及即没有+也没有-。
例如当crain=1时,如果0<refc<=30,则为-RA;如果30<refc<=40,则为RA;如果refc>40,则为+RA。进而结合历史气象降水时间段(例如4月-10月),则降水类天气现象的符号不变,则需在RA之前添加SH;进一步的符合SH基础上,当cape>1000且refc>45时,则为TSRA,且符号不变。
当cfrzr=1时,如果0<refc<=20,则为-FZRA;如果20<refc<=35,则为FZRA;如果refc>35,则为+FZRA。
当cicep=1,则为BL;如果refc>0,BL后增加FZRA;如果0<refc<=20,则为-RA;如果20<refc<=35,则为RA;如果refc>35,则为+RA。
当csnow=1时,如果10<refc<=20,则为-SN;如果20<refc<=30,则为SN;如果refc>30,则为+SN;如果refc>55,则为GR。
在一种可选的实施例中,如果crain,cfrzr,csnow,cicep等于预设数据0且refc>10,则将crain设为1,天气现象为-RA。
又例如当temperature(温度)>0时:如果vis≤1000,则FG;如果1000<vis≤5000,则为BR;如果5000<vis<10000同时2r<80%,则为HZ;
当temperature≤0时:如果vis>1000,则无值;如果vis≤1000,则为FZFG。
进而根据气象预报数据中的海拔层、湿度、能见度以及降水类天气现象预测状态,得到第一报文中的云组预测状态。云组预测状态可以包括云高预测状态、云量预测状态以及云状预测状态。
例如,海拔层level分别取1000,975,950,925,900,875,850这几层,则获得云组预测状态中对应的云高预测状态分别为007、011、023、030、033、040、045。在一种可选的实施例中,将海拔层从左到右划分为Level=【1000,975】、【950、925】、【900、875、850】三组,且该三组海拔层对应的优先级依次从高到低设置。在检测过程中若不符合某组海拔层,则跳过此组海拔层,进行下一组海拔层的检测。
又例如,获取云组预测状态中的云量预测状态如果level=1000:tcc>75时:则云组=BKN007;tcc>95时,BKN005;tcc>90且湿度>95%,BKN003;tcc>95且湿度>95%,BKN002;tcc>95且湿度>95%,vis<200时,BKN001。如果level=950:0<tcc<=25,则云组=FEW023;25<tcc<=50,则云组=SCT023;50<tcc<=75,则云组=BKN023;tcc>75,则云组=OVC023。如果level=850:0<tcc<=25,则云组=FEW045;25<tcc<=50,则云组=SCT045;50<tcc<=75,则云组=BKN045;tcc>75,则云组=OVC045。
如果level=850及以下的tcc都无值,则云组=NSC(no significant cloud。上述的示例均符合能见度大于等于800的情况。
在一种可选的实施例中检测能见度预测状态是否符合能见度预设范围中的一项,若符合能见度预设范围中的一项,则确定云组预测状态。
当600<vis≤800时,云组=VV003;当350<vis≤600时,云组=VV002;当0<vis≤350时,云组=VV001,其中VV表明天空状态不明跟随百英尺为单位的垂直能见度。
再例如,获取云组预测状态中的云状预测状态,若检测存在TSRA或SHRA(阵雨或雷雨)等降水类天气现象预测状态,在云组预测状态中不低于100米的云层(暂定是第二层云信息)则在云组预测状态最后加“CB”,即确定云组预测状态中的云状预测状态。如果没有第二层云信息,则添加第二层云信息,例如第二层云信息不存在时在云组预测状态中添加第二层云信息得到云状预测状态,例如添加“CB”后得到“SCT033CB”。若云组预测状态中存在第一层云信息,则生成云组预测状态中的云状预测状态。又例如当存在第一层云信息(BKN003)时,则添加OVC015CB,即生成云组预测状态中云状预测状态。
结合上述实施例,还包括根据气象预测数据生成基础组数据和变化组数据,基础组数据用于记录预设时段内气象的基础预测数据,变化组数据用于根据基础组数据记录符合气象预测数据变化条件的各时段气象预测数据;根据机场信息、发布时间,结合基础组数据、变化组数据,依次生成第一报文。
例如按照逐小时划分将全天时间24小时,每两个小时划分为一组数据点信息,例如将24个小时逐小时依次划分为12组数据点分别为[10:00,12:00]、[12:00,14:00]、[14:00,16:00]……[6:00,8:00]、[8:00,10:00],且可以定义每组数据点中第一个时间点对应的气象预测数据为第一个数据点信息,第二个时间点对应的气象预测数据为第二个数据点信息。并将第一时间区间段例如第一组对应的数据点用来生成基础组数据,之后从第二组到第十二组共11组划分为第二时间区间段,且将其对应的数据点用来生成变化组数据;其中,变化组数据可以包括NOSIG、TEMPO,以及BECMG三小类,每一类可以根据基础组数据中气象预测数据记录符合气象预测数据变化条件的不同时段内气象预测数据。
例如基于基础组数据的风速预测状态,在第二时间区间段内存在与该风速预测状态差值超过5m/s的另一个风速预测状态,则确定变化组数据,其他各项气象预测数据生成的原理与此相似,此处不再赘述。其中变化条件可以包括:是否属于同一能见度预设区间(例如600m-850m),是否出现恶劣天气(例如阵雨或雷雨),是否符合云组变化预设条件(例如是否出现450米以下多云或者满天云,或者450米以下多云或者满天云消失)等等。
进而结合机场信息、发布时间,最终依次生成第一报文。例如第一报文为TAF ZSSS251017Z 2512/2612 11003MPS 5000BR SCT016 TX18/2606Z TN10/2521Z BECMG 2518/2520 1500=
本实施例中通过定义报文的生成规则,缩短报文生成的时间,节省人力成本,进而通过JAVA等语言脚本自动对比报文的测试方法将原先需要1天乃至2天的测试周期缩减到几分钟,大大提升了测试效率和准确率。
结合图2所示的实施例,根据第一报文以及待测试报文确定测试结果可以进一步采用以下方式实现,具体的分别获取机场信息、发布时间对应相同的第一报文与待测试报文;
若检测第一报文与待测试报文存在差异,则分别对待测试报文、第一报文进行分解,得到对应的分解基础组数据、分解变化组数据;根据分解基础组数据、分解变化组数据,根据分解基础组数据、分解变化组数据,对比第一报文与待测试报文中分别对应的各项解析预测状态,若第一报文与待测试报文中至少一项解析预测状态存在差异,则确定测试结果。
具体的参考图3,图3为本发明实施例提供的差异解析统计的显示示意图。如图3中获取机场信息、发布时间相同的第一报文与待测试报文。例如参考图3第一行的对比示例,检测第一报文与待测试报文存在差异时,分别对该第一报文、待测试报文进行分解,得到对应的分解基础组数据、分解变化组数据;进而根据分解基础组数据、分解变化组数据解析得到各项解析预测状态,其中解析预测状态可以包括:解析风组预测状态、解析能见度预测状态、解析天气现象预测状态或者解析云组预测状态;逐一对各项解析预测状态进行对比,若第一报文与待测试报文中至少一项解析预测状态存在不同,则确定测试结果为待测试报文不准确。在一种可选的实施例中可以根据报文中的空格进行分解,解析的过程可以通过获取报文中的字段信息,从而得到至少一项不同的气象预测状态。
在一种可选的实施例中,在excle中统计多条第一报文与待测试报文的差异,不仅可以显示相同或者不同的标签,还可以显示存在不同的气象预测状态。另外还可以生成报文数量统计、报文准确率或者错误点统计等信息。
本实施例中通过定义报文的生成规则,缩短报文生成的时间,节省人力成本,进而通过JAVA等语言脚本自动对比报文准确率的测试方法将原先需要1天乃至2天的测试周期缩减到几分钟,大大提升了测试效率和准确率。
结合图2所示的实施例,在一种可选的实施例中,还包括:获取航空气象预报中的历史报文;根据历史报文中的时间信息、历史报文中的气象预测数据,生成各气象场景的类型。
本实施例中为了测试不同气象状态对报文的影响,通过添加近一年的历史报文,并根据其发布时间所属于的季节信息,将历史报文中的天气情况(例如根据天气现象、云组等,即气象预测数据)进行分类,至少分类为以下几种气象场景:雷雨、阵雨、大雨等降水类天气现象,雾天,静风(风速为0米/秒)及大风场景,多云及少云天气;进而生成各气象场景的类型,以便后续结合气象场景的类型,检测待测试报文与第一报文的异同。
本实施例中引入气象场景的类型,以覆盖各种气象环境,进而根据不同气象场景的类型检测待测试报文的准确率,以提高测试效率。
结合上述实施例,还包括:根据气象场景的类型、机场信息,以及发布时间,得到相对应的第一报文与待测试报文。
将第一报文与各气象场景类型进行比较,得到第一报文对应的气象场景的类型,例如雷雨、大雨、雾天等等,以便后续结合气象场景的类型,获得与第一报文相对应的待测试报文。
例如根据气象场景的类型、机场信息,以及发布时间,得到与第一报文相对应的待测试报文,进而检测第一报文与待测试报文存在差异,且分别对第一报文、待测试报文进行分解得到各解析预测状态,若至少一项解析预测状态存在不同,则确定该待测试报文不准确。
本实施例中引入气象场景的类型,以覆盖各种气象环境,进而根据不同气象场景的类型检测待测试报文的准确率,以提高测试效率。
图4为本发明实施例提供的一种报文的测试装置的结构示意图,如图4所示,本实施例中报文的测试装置可以包括:
获取模块31,用于获取气象预报数据;
生成模块32,用于根据气象预报数据生成第一报文,第一报文包括气象预测数据,气象预测数据包括多个气象预测状态,气象预测状态用于表征预设时长内对应气象特征的气象状态;
检测模块33,用于根据第一报文以及待测试报文确定测试结果。
在一种可能的设计中,获取航空气象预报中的历史报文;
根据历史报文中的时间信息、历史报文中的气象预测数据,生成各气象场景的类型。
在一种可能的设计中,根据气象预报数据生成第一报文,包括:
根据气象预报数据中的地面风,分别生成第一报文对应的风向预测状态、风速预测状态;
根据气象预报数据中分类雨、分类冰粒、分类冻雨、分类雪、温度以及能见度,结合复合反射率或者历史气象降水时间段,分别生成第一报文对应的降水类天气现象预测状态、视程障碍类天气现象预测状态;
根据气象预报数据中的海拔层、湿度、能见度以及降水类天气现象预测状态,得到第一报文对应的云组预测状态。
在一种可能的设计中,还包括:根据气象预测数据生成基础组数据和变化组数据,基础组数据用于记录预设时段内气象的基础预测数据,变化组数据用于根据基础组数据记录符合气象预测数据变化条件的各时段气象预测数据;
根据机场信息、发布时间,结合基础组数据、变化组数据,依次生成第一报文。
在一种可能的设计中,检测模块33,具体用于:
分别获取机场信息、发布时间对应相同的第一报文与待测试报文;
若检测第一报文与待测试报文存在差异,则分别对待测试报文、第一报文进行分解,得到对应的分解基础组数据、分解变化组数据;
根据分解基础组数据、分解变化组数据,对比第一报文与待测试报文中分别对应的各项解析预测状态,若第一报文与待测试报文中至少一项解析预测状态存在差异,则确定测试结果。
在一种可能的设计中,在根据气象预报数据生成第一报文之后,还包括:
将第一报文与历史报文进行比较,获得与历史报文中气象场景类型相同的第一报文。
在一种可能的设计中,装置还包括:
根据气象场景的类型、机场信息,以及发布时间,得到相对应的第一报文与待测试报文。
本实施例的报文的测试装置,可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
图5为本发明实施例提供的一种报文的测试系统的结构示意图,如图5所示,本实施例的报文的测试系统40可以包括:处理器41和存储器42。
存储器42,用于存储计算机程序(如实现上述报文的测试方法的应用程序、功能模块等)、计算机指令等;
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41,用于执行存储器42存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构,也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时,存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务器可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当用户设备的至少一个处理器执行该计算机执行指令时,用户设备执行上述各种可能的。
其中,计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解:实现上述各实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种报文的测试方法,其特征在于,包括:
获取气象预报数据;
根据所述气象预报数据生成第一报文,所述第一报文包括气象预测数据,所述气象预测数据包括多个气象预测状态,所述气象预测状态用于表征预设时长内对应气象特征的气象状态;
根据所述第一报文以及待测试报文确定测试结果。
2.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
获取航空气象预报中的历史报文;
根据所述历史报文中的时间信息、所述历史报文中的气象预测数据,生成各气象场景的类型。
3.根据权利要求1所述的方法,其特征在于,根据所述气象预报数据生成第一报文,包括:
根据所述气象预报数据中的地面风,分别生成第一报文对应的风向预测状态、风速预测状态;
根据所述气象预报数据中分类雨、分类冰粒、分类冻雨、分类雪、温度以及能见度,结合复合反射率或者历史气象降水时间段,分别生成第一报文对应的降水类天气现象预测状态、视程障碍类天气现象预测状态;
根据所述气象预报数据中的海拔层、湿度、能见度以及所述降水类天气现象预测状态,得到第一报文对应的云组预测状态。
4.根据权利要求3所述的方法,其特征在于,所述方法,还包括:
根据所述气象预测数据生成基础组数据和变化组数据,所述基础组数据用于记录预设时段内气象的基础预测数据,所述变化组数据用于根据基础组数据记录符合气象预测数据变化条件的各时段气象预测数据;
根据机场信息、发布时间,结合所述基础组数据、所述变化组数据,依次生成第一报文。
5.根据权利要求4所述的方法,其特征在于,根据所述第一报文以及待测试报文确定测试结果,包括:
分别获取机场信息、发布时间对应相同的所述第一报文与所述待测试报文;
若检测所述第一报文与所述待测试报文存在差异,则分别对所述待测试报文、所述第一报文进行分解,得到对应的分解基础组数据、分解变化组数据;
根据所述分解基础组数据、所述分解变化组数据,对比所述第一报文与所述待测试报文中分别对应的各项解析预测状态,若所述第一报文与所述待测试报文中至少一项解析预测状态存在差异,则确定测试结果。
6.根据权利要求4或5所述的方法,其特征在于,在根据所述气象预报数据生成第一报文之后,还包括:
将所述第一报文与所述历史报文进行比较,获得与历史报文中气象场景类型相同的所述第一报文。
7.根据权利要求6所述的方法,其特征在于,所述方法,还包括:
根据所述气象场景的类型、机场信息,以及所述发布时间,得到相对应的所述第一报文与所述待测试报文。
8.一种报文的测试装置,其特征在于,包括:
获取模块,用于获取气象预报数据;
生成模块,用于根据所述气象预报数据生成第一报文,所述第一报文包括气象预测数据,所述气象预测数据包括多个气象预测状态,所述气象预测状态用于表征预设时长内对应气象特征的气象状态;
检测模块,用于根据所述第一报文以及待测试报文确定测试结果。
9.一种报文的测试系统,其特征在于,包括:存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的报文的测试方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述的报文的测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010406057.7A CN111599162A (zh) | 2020-05-14 | 2020-05-14 | 报文的测试方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010406057.7A CN111599162A (zh) | 2020-05-14 | 2020-05-14 | 报文的测试方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111599162A true CN111599162A (zh) | 2020-08-28 |
Family
ID=72183672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010406057.7A Pending CN111599162A (zh) | 2020-05-14 | 2020-05-14 | 报文的测试方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111599162A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187951A (zh) * | 2020-10-10 | 2021-01-05 | 南京恩瑞特实业有限公司 | 一种机场气象taf报文自动编译方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1674889A1 (en) * | 2004-12-23 | 2006-06-28 | France Telecom | Technique for creating, directing, storing and automatically delivering a message to an intended recipient based on climatic conditions |
US7231299B2 (en) * | 2004-03-02 | 2007-06-12 | Hitachi, Ltd. | Method, program, and system for estimating weather risk |
CN101908985A (zh) * | 2010-08-05 | 2010-12-08 | 中兴通讯股份有限公司 | 一种报文校验的方法及装置 |
CN104915217A (zh) * | 2015-07-13 | 2015-09-16 | 中国民用航空厦门空中交通管理站 | 航空气象航站预报编发方法 |
CN205453721U (zh) * | 2015-12-29 | 2016-08-10 | 北京迈特力德信息技术有限公司 | 一种民用航空气象报文校验装置 |
KR20170083375A (ko) * | 2016-01-08 | 2017-07-18 | 한국도로공사 | 기상 레이더 영상을 이용한 어는비 예측 방법 |
CN107688537A (zh) * | 2017-08-25 | 2018-02-13 | 泰康保险集团股份有限公司 | 测试方法、装置及前置机 |
CN108418822A (zh) * | 2018-03-06 | 2018-08-17 | 杜刚 | 航空气象的taf报文自动编译方法、系统及终端 |
CN108490508A (zh) * | 2013-04-04 | 2018-09-04 | 天气变化研究无限责任公司 | 基于概率分布短时预报降水的方法与系统 |
CN110110940A (zh) * | 2019-05-16 | 2019-08-09 | 福建省宏闽电力工程监理有限公司 | 一种输电线路高度风速预报方法 |
CN110990459A (zh) * | 2019-12-04 | 2020-04-10 | 上海眼控科技股份有限公司 | 基于天气数据统计分析机场历史出雾过程的方法及装置 |
CN111033318A (zh) * | 2017-06-23 | 2020-04-17 | 慧天科技公司 | 当地气象预测 |
CN111045117A (zh) * | 2020-01-13 | 2020-04-21 | 黑龙江省气候中心 | 一种气候监测预测平台 |
-
2020
- 2020-05-14 CN CN202010406057.7A patent/CN111599162A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7231299B2 (en) * | 2004-03-02 | 2007-06-12 | Hitachi, Ltd. | Method, program, and system for estimating weather risk |
EP1674889A1 (en) * | 2004-12-23 | 2006-06-28 | France Telecom | Technique for creating, directing, storing and automatically delivering a message to an intended recipient based on climatic conditions |
CN101908985A (zh) * | 2010-08-05 | 2010-12-08 | 中兴通讯股份有限公司 | 一种报文校验的方法及装置 |
CN108490508A (zh) * | 2013-04-04 | 2018-09-04 | 天气变化研究无限责任公司 | 基于概率分布短时预报降水的方法与系统 |
CN104915217A (zh) * | 2015-07-13 | 2015-09-16 | 中国民用航空厦门空中交通管理站 | 航空气象航站预报编发方法 |
CN205453721U (zh) * | 2015-12-29 | 2016-08-10 | 北京迈特力德信息技术有限公司 | 一种民用航空气象报文校验装置 |
KR20170083375A (ko) * | 2016-01-08 | 2017-07-18 | 한국도로공사 | 기상 레이더 영상을 이용한 어는비 예측 방법 |
CN111033318A (zh) * | 2017-06-23 | 2020-04-17 | 慧天科技公司 | 当地气象预测 |
CN107688537A (zh) * | 2017-08-25 | 2018-02-13 | 泰康保险集团股份有限公司 | 测试方法、装置及前置机 |
CN108418822A (zh) * | 2018-03-06 | 2018-08-17 | 杜刚 | 航空气象的taf报文自动编译方法、系统及终端 |
CN110110940A (zh) * | 2019-05-16 | 2019-08-09 | 福建省宏闽电力工程监理有限公司 | 一种输电线路高度风速预报方法 |
CN110990459A (zh) * | 2019-12-04 | 2020-04-10 | 上海眼控科技股份有限公司 | 基于天气数据统计分析机场历史出雾过程的方法及装置 |
CN111045117A (zh) * | 2020-01-13 | 2020-04-21 | 黑龙江省气候中心 | 一种气候监测预测平台 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112187951A (zh) * | 2020-10-10 | 2021-01-05 | 南京恩瑞特实业有限公司 | 一种机场气象taf报文自动编译方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416031B (zh) | 气象多源探测资料融合分析系统 | |
Allen et al. | A severe thunderstorm climatology for Australia and associated thunderstorm environments | |
CN109543907B (zh) | 一种复杂地形风资源评估方法及其装置 | |
CN110263392A (zh) | 基于多模式分区误差检验的风场预报方法及其系统 | |
Atencia et al. | A comparison of two techniques for generating nowcasting ensembles. Part II: Analogs selection and comparison of techniques | |
CN111626599A (zh) | 一种气象灾害风险研判方法及系统 | |
KR20070038058A (ko) | 비정형 격자를 통한 기상 예보 방법 및 시스템 | |
Zhu et al. | A regional GSI-based ensemble Kalman filter data assimilation system for the rapid refresh configuration: Testing at reduced resolution | |
Peters et al. | Synoptic control of heavy-rain-producing convective training episodes | |
Moron et al. | Weather types and rainfall over Senegal. Part II: Downscaling of GCM simulations | |
Otache et al. | ARMA modelling of Benue River flow dynamics: comparative study of PAR model | |
CN112464158A (zh) | 一种用于自动推荐数值天气预报产品的方法及系统 | |
US20180156940A1 (en) | Forensic weather system | |
Weber et al. | The evaluation of the potential of global data products for snow hydrological modelling in ungauged high-alpine catchments | |
Alerskans et al. | A transformer neural network for predicting near‐surface temperature | |
CN111599162A (zh) | 报文的测试方法、装置及系统 | |
Sanabria et al. | A statistical model of severe winds | |
CN111552011A (zh) | Taf报文的生成方法、装置及系统 | |
Feser et al. | North Atlantic winter storm activity in modern reanalyses and pressure-based observations | |
Bates et al. | Classification of Australian thunderstorms using multivariate analyses of large-scale atmospheric variables | |
CN112015786A (zh) | 一种外赛场极端天气监测预警信息处理系统 | |
Haddjeri et al. | Exploring the sensitivity to precipitation, blowing snow, and horizontal resolution of the spatial distribution of simulated snow cover | |
US10345485B2 (en) | Forensic weather system | |
CN116822185A (zh) | 基于hasm的日降水数据空间模拟方法和系统 | |
Cunningham et al. | 540 The Utilization of Current Forecast Products in a Probabilistic Airport Capacity Model |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231110 |