CN117053800B - 用于气象观测的无人机航路规划方法、装置、设备及介质 - Google Patents
用于气象观测的无人机航路规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117053800B CN117053800B CN202311297474.2A CN202311297474A CN117053800B CN 117053800 B CN117053800 B CN 117053800B CN 202311297474 A CN202311297474 A CN 202311297474A CN 117053800 B CN117053800 B CN 117053800B
- Authority
- CN
- China
- Prior art keywords
- observation
- numerical
- sensitive area
- data
- route
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004088 simulation Methods 0.000 claims abstract description 77
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 230000008901 benefit Effects 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000013461 design Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000000191 radiation effect Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 20
- 238000003745 diagnosis Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 208000019061 glycogen storage disease due to GLUT2 deficiency Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于气象观测的无人机航路规划方法、装置、电子设备及存储介质，涉及无人机航路规划技术领域，无人机航路规划方法包括获取基于实际天气情况的数值预报敏感区；基于数值预报敏感区，设计多个典型路径规划航路及多个投放观测点位；进行仿真机动观测试验；对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，解决了传统的观测系统仿真试验系统缺少面向机动观测的技术支持和定量检验评估方法的问题，实现了不同区域、不同路线模拟飞行观测数据的灵活同化与结果定量化诊断分析，在专项保障任务中取得良好效益。
Description
技术领域
本发明涉及无人机航路规划技术领域，尤其涉及一种用于气象观测的无人机航路规划方法、装置、电子设备及存储介质。
背景技术
精准高效的天预报对于防灾减灾、降低人员与财产损失也有重大意义。现有的观测系统仿真试验（OSSE）技术面向仿真观测开展模拟试验，用于评估气象学界在气候分析和天气预报方面的潜在改进， OSSE的框架通常包括观测系统数据模拟和数据同化两部分。在OSSE中，观测系统数据模拟是通过对观测系统应用前向观测算子模拟生成“真实”的观测数据；而数据同化部分则对这些观测数据进行同化处理和性能评估。
但OSSE主要面向与地面或固定位置观测，对于暴雨频发且容易引发次生灾害的复杂地形区，受地形与山脉影响，难以开展大规模常规地面观测。对此，发展机动观测，特别是不受地形影响的机载平台的机动观测，具有重要意义。然而，大型无人机飞行成本较高，需在飞行任务前进行充分规划，以期最大化发挥机动观测价值。现有的观测系统仿真试验（OSSE）技术不是面向机动观测研发设计，无法直接应用，因此，目前还缺乏相应技术支持和定量检验评估方法。
发明内容
本发明提供一种用于气象观测的无人机航路规划方法、装置、电子设备及存储介质，用以解决传统的观测系统仿真试验系统无法直接应用在面向无人机的机动观测中，现有技术缺乏面向无人机的机动观测的技术支持和定量检验评估方法的缺陷。
本发明提供一种用于气象观测的无人机航路规划方法，包括：
获取基于实际天气情况的数值预报敏感区；
基于所述数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；
分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；
对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；
根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
根据本发明提供的一种用于气象观测的无人机航路规划方法，所述获取基于实际天气情况的数值预报敏感区，包括：
当有明显天气系统过境时，以条件非线性最优扰动方法获取数值预报敏感区；
当没有明显天气系统过境时，通过统计各预报成员间的标准差获取数值预报敏感区。
根据本发明提供的一种用于气象观测的无人机航路规划方法，所述基于所述数值预报敏感区，设计多个典型路径规划航路，包括：
获取预报时刻的大气三维特征；
根据所述预报时刻的大气三维特征判别典型天气系统；
比较对应时段的数值预报敏感区与所述典型天气系统中心的位置关系，当数值预报敏感区出现在典型天气系统中心预设范围内时，围绕天气系统外围以预设半径进行环绕飞行，以获取天气系统中心预设半径范围的观测信息；
当数值预报敏感区不在典型天气系统中心预设范围内时，围绕数值预报敏感区按螺旋线轨迹飞行，以获取数值预报敏感区内的观测信息。
根据本发明提供的一种用于气象观测的无人机航路规划方法，所述典型路径规划航路还包括：
穿越类观测路线，所述穿越类观测路线以敏感区中心为目标进行横穿或“之”字型折返飞行，以获取以数值预报敏感区为中心的剖面观测信息；
兼顾类观测路线，所述兼顾类观测路线在考虑围绕敏感区设计飞行路线的同时，查看敏感区上游以及飞行空域是否存在典型天气系统，如果存在，则在高影响天气系统预设范围内设计航路，包括沿系统等高线的切向飞行和横穿等高线的径向飞行，以获取数值预报敏感区和非数值预报敏感区的观测信息。
根据本发明提供的一种用于气象观测的无人机航路规划方法，所述分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验，包括：
将获取的气象数据进行参数化处理，生成未来时刻的仿真观测数据集；
根据多个投放观测点位的经纬坐标，将未来时刻的仿真观测数据集进行空间插值，获得多个投放观测点位的经纬坐标的三维特征信息，作为仿真机动观测试验结果。
根据本发明提供的一种用于气象观测的无人机航路规划方法，所述气象数据包括陆面参数、辐射参数和重力波拖曳参数，所述将获取的气象数据进行参数化处理，包括：
根据最大熵增模型对陆面参数化处理；
根据次网格三维辐射效应对辐射参数化处理；
根据非静力地形重力波对重力波拖曳参数化处理。
根据本发明提供的一种用于气象观测的无人机航路规划方法，所述对仿真机动观测试验结果进行资料同化，包括：
根据仿真观测预处理与生成主控程序将仿真机动观测试验结果转换为国际通用格式的结果数据；
根据所述结果数据中的风向、风速选择对应同化策略进行同化，得到分析场作为资料同化结果。
根据本发明提供的一种用于气象观测的无人机航路规划方法，根据资料同化结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，包括：
计算每条航路对应的资料同化结果与实际观测数据之间的第一误差，所述第一误差包括温度场检验综合指标误差、湿度场检验综合指标误差和风场检验综合指标误差；
根据所述第一误差确定最优初始场数据，以根据所述最优初始场数据获取最优航路。
根据本发明提供的一种用于气象观测的无人机航路规划方法，根据数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，包括：
计算每条航路对应的数值天气预报结果与实际天气数据之间的第二误差，所述第二误差包括降水检验综合指标误差、温度场检验综合指标误差、湿度场检验综合指标误差和风场检验综合指标误差；
根据所述第二误差确定不同时刻最优预报数据，以根据所述不同时刻最优预报数据获取最优航路。
本发明还提供一种用于气象观测的无人机航路规划装置，包括：
获取模块，用于获取基于实际天气情况的数值预报敏感区；
设计模块，用于基于所述数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；
仿真模块，用于分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；
同化模块，用于对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；
评估模块，用于根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的用于气象观测的无人机航路规划方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的用于气象观测的无人机航路规划方法。
本发明提供的用于气象观测的无人机航路规划方法、装置、电子设备及存储介质，通过获取基于实际天气情况的数值预报敏感区；基于数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，解决了传统的观测系统仿真试验系统缺少面向无人机的机动观测的技术支持和定量检验评估方法的问题，实现无人机飞行区规划、无人机观测投放策略规划和观测预期效益定理评估的目标，并在开展的专项保障任务中取得良好效益。
附图说明
为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的用于气象观测的无人机航路规划方法的流程示意图之一；
图2是本发明提供的用于气象观测的无人机航路规划方法的流程示意图之二；
图3是本发明提供的用于气象观测的无人机航路规划方法的流程示意图之三；
图4是本发明提供的用于气象观测的无人机航路规划方法的流程示意图之四；
图5是本发明提供的用于气象观测的无人机航路规划方法的流程示意图之五；
图6是本发明提供的用于气象观测的无人机航路规划方法的流程示意图之六；
图7是本发明提供的用于气象观测的无人机航路规划装置的结构示意图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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作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。
图1为本发明实施例提供的用于气象观测的无人机航路规划方法的流程图，如图1所示，本发明实施例提供的用于气象观测的无人机航路规划方法包括：
步骤101、获取基于实际天气情况的数值预报敏感区；
步骤102、基于数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；
步骤103、分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；
步骤104、对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；
步骤105、根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
传统的气象观测系统仿真试验技术面向地面仿真观测开展模拟试验，不是面向机动观测研发设计，无法直接应用到以无人机为基础的机动观测系统中，因此，目前还缺乏机动观测相应技术支持和定量检验评估方法。
本发明实施例提供的用于气象观测的无人机航路规划方法通过获取基于实际天气情况的数值预报敏感区；基于数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，解决了传统的观测系统仿真试验系统缺少面向无人机的机动观测的技术支持和定量检验评估方法的问题，实现无人机飞行区规划、无人机观测投放策略规划和观测预期效益定理评估的目标，实现了不同区域、不同路线模拟飞行观测数据的灵活同化与结果定量化诊断分析。利用该系统协调调度大型无人机机动观测，开展专项保障任务，取得良好效益。
基于上述任一实施例，获取基于实际天气情况的数值预报敏感区，包括：
当有明显天气系统过境时，以条件非线性最优扰动方法获取数值预报敏感区；
在本发明实施例中，明显天气系统例如为雷雨、台风、冰雹等天气，这些天气过境时对数值预报准确度影响较大，通过条件非线性最优扰动CNOP(ConditionalNonlinearOptimal Perturbation，CNOP) 可以获取数值预报敏感区。
当没有明显天气系统过境时，通过统计各预报成员间的标准差获取数值预报敏感区。
在本发明实施例中，针对实变天气过程与强时效性无人机飞行观测需求，将条件非线性最优扰动（CNOP）方法与模式集合预报偏差统计方法相结合，发展了数值预报敏感区的动态更新方法。考虑到CNOP方法对于敏感区的识别计算效果依赖于有无明显天气系统，当有明显天气系统过境时，以CNOP方法计算敏感区为主，当没有明显天气系统过境时，通过统计模式集合预报各成员间的标准差，反映模式敏感区。由此，实现了根据每天天气过程对数值预报敏感区计算方法的科学选择，以及数值预报敏感区的实时计算输出。
基于上述任一实施例，如图2所示，基于数值预报敏感区，设计多个典型路径规划航路，包括：
步骤201、获取预报时刻的大气三维特征；
在本发明实施例中，从西南区域快速更新循环同化预报系统中获取预报时刻的大气三维状态，如气压、温度、湿度、风等的三维特征。
步骤202、根据预报时刻的大气三维特征判别典型天气系统；
判别典型天气系统包括但不限于低涡、低槽、切变线、高压等的分布形势。
步骤203、比较对应时段的数值预报敏感区与典型天气系统中心的位置关系确定航路路线。
当数值预报敏感区出现在典型天气系统中心预设范围内时，围绕天气系统外围以预设半径进行环绕飞行，以获取天气系统中心预设半径范围的观测信息；当数值预报敏感区不在典型天气系统中心预设范围内时，围绕数值预报敏感区按螺旋线轨迹飞行，以获取数值预报敏感区内的观测信息。
在本发明实施例中，当敏感区出现在典型天气系统中心附近时，围绕天气系统外围以较大半径进行环绕飞行，以获取天气系统中心附近尽可能大范围的观测信息，当敏感区不在典型天气系统中心时，围绕敏感区按螺旋线轨迹飞行，以获取敏感区内尽可能多的观测信息。
在本发明实施例中，典型路径规划航路还包括：
穿越类观测路线，该穿越类观测路线以敏感区中心为目标进行横穿或“之”字型折返飞行，以获取以数值预报敏感区为中心的剖面观测信息；
兼顾类观测路线，该兼顾类观测路线在考虑围绕敏感区设计飞行路线的同时，查看敏感区上游以及飞行空域是否存在典型天气系统，如果存在，则在高影响天气系统预设范围内设计航路，包括沿系统等高线的切向飞行和横穿等高线的径向飞行，以获取数值预报敏感区和非数值预报敏感区的观测信息。
对于兼顾类观测路线，在考虑围绕敏感区设计飞行路线的同时，查看敏感区上游以及飞行空域附近是否有低涡、低槽、切变线、高压等典型天气系统，如果存在，则根据天气学机理在可能产生暴雨、大风、雷暴等灾害过程的高影响天气系统附近设计航路，尽可能做到既有沿系统等高线的切向飞行与也有横穿等高线的径向飞行，最终综合数值预报敏感区以天气系统附近航线，实现敏感区与非敏感区天气系统观测的兼顾。
本发明实施例可以实现航路与投放观测点位的自适应规划基于实际天气情况的数值预报敏感区附近，围绕几类典型路径规划输出各航路路径与观测投放点位的经纬度坐标，典型路径例如为环绕类、穿越类、兼顾天气系统类。
基于上述任一实施例，如图3所示，分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验，包括：
步骤301、将获取的气象数据进行参数化处理，生成未来时刻的仿真观测数据集；
在本发明实施例中，气象数据包括陆面参数、辐射参数和重力波拖曳参数，将获取的气象数据进行参数化处理，包括：
根据最大熵增模型对陆面参数化处理；
根据次网格三维辐射效应对辐射参数化处理；
根据非静力地形重力波对重力波拖曳参数化处理。
步骤302、根据多个投放观测点位的经纬坐标，将未来时刻的仿真观测数据集进行空间插值，获得多个投放观测点位的经纬坐标的三维特征信息，作为仿真机动观测试验结果。
在本发明实施例中，以全球模式的提前预报场驱动西南区域快速更新循环同化预报系统，该系统包括：陆面参数化方案中陆面通量计算更新为最大熵增模型（MEP）计算方法，辐射参数化方案中辐射传输过程考虑次网格三维辐射效应，重力波拖曳参数化方案中引入非静力地形重力波参数化方案。通过更完善的系统得到未来时刻的仿真观测数据集。、根据以上得到航路观测经纬坐标，将仿真观测数据集进行空间插值，获取位于以上投放点坐标的大气温度、湿度、风速、风向的三维信息，作为仿真机动观测试验结果。
资料同化技术是在考虑大气实际信息、数值模式信息基础上，通过构造目标函数并进行极小化，使模式逼近大气真实状态而获取得到最优模式初值，用于天气数值预报，最终提升数值预报水平的关键技术。获得一手的大气状态观测资料，并进行资料同化，是提升天气预报准确率最为有效的手段之一。基于上述任一实施例，如图4所示，对仿真机动观测试验结果进行资料同化，包括：
步骤401、根据仿真观测预处理与生成主控程序将仿真机动观测试验结果转换为国际通用格式的结果数据；
在本发明实施例中，仿真观测预处理与生成主控程序例如为主控程序，国际通用格式为little_r格式，以便进入后续同化系统使用。
步骤402、根据结果数据中的风向、风速选择对应同化策略进行同化，得到分析场作为资料同化结果。
本发明实施例所用资料同化算法为三维变分资料同化算法，是通过对以下目标函数进行极小化迭代，使模式逼近大气真实状态，改进模式大气三维初始场。目标函数为：
；
其中 是背景场向量，/>是分析场向量，/>是观测向量， />是背景误差矩阵， />是观测误差矩阵， />是观测算子，用于将模式网格上的模式变量转换至观测空间上的观测变量。
在本发明实施例中，将同化后的结果数据输入基于WRFDA资料同化系统中，对仿真机动观测进行三维变分资料同化。通过系统内部代码开发，实现了仿真机动观测的独立同化功能，使得系统在同化仿真观测时不影响其它已支持观测的同化，由此实现了仿真观测同化的独立可控。系统主要包括自动化资料输入/输出模块、支持机动观测不同同化策略的观测算子模块、机动观测的独立观测误差统计模块、机动观测同化的极小化迭代模块。其中，观测算子模块实现了仿真机动观测的风场观测按经向风/纬向风或风速/风向的不同策略同化的功能，观测误差统计模块实现了通过外部开关与参数便捷控制观测误差、观测水平影响半径、观测垂直影响半径的功能。最终，通过同化几类航路的仿真观测，分别生成同化后的分析场，供后续使用。
在本发明实施例中，根据资料同化结果进行数值天气预报包括：将同化几类航路仿真观测的分析场作为初始场，分别输入西南区域气象中心数值预报业务系统，并开展为期1-3天的高分辨率数值天气预报，获得几类航路仿真观测影响下的数值天气预报结果。
基于上述任一实施例，如图5所示，根据资料同化结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，包括：
步骤501、计算每条航路对应的资料同化结果与实际观测数据之间的第一误差，第一误差包括温度场检验综合指标误差、湿度场检验综合指标误差和风场检验综合指标误差；
步骤502、根据第一误差确定最优初始场数据，以根据最优初始场数据获取最优航路。
根据温度、湿度、风场等不同观测变量进行分别诊断，包括全部观测数、同化实际使用观测数、观测误差、观测与背景场偏差、观测与分析场偏差等信息。
以温度场预报偏差、预报均方根误差、相关系数、各站33%权重作为温度场检验综合指标，并对湿度场、风场进行类似检验。 获得以上检验结果后，以温度、湿度、风场检验结果各为33%权重，整体综合诊断，选取整体诊断效果最优结果作为最优航路。
基于上述任一实施例，如图6所示，根据数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，包括：
步骤601、计算每条航路对应的数值天气预报结果与实际天气数据之间的第二误差，第二误差包括降水检验综合指标误差、温度场检验综合指标误差、湿度场检验综合指标误差和风场检验综合指标误差；
在本发明实施例中，预报偏差为预报场与仿真观测场的差异。预报均方根误差计算公式为，其中n为仿真观测点在模式各层的总数，P为模式预报的大气温度、湿度、风速，O为未来时刻仿真观测的大气温度、湿度、风速。
相关系数公式为，其中/>为一定区域内仿真模式预报的大气温度、湿度、风速，/>为未来时刻仿真观测的大气温度、湿度、风速，为/>与/>的协方差，/>为/>的方差，/>为/>的方差。
降水FSS评分计算方法包括：首先，对模式格点进行“0/1”二分化处理，即超过降水阈值Gk的格点记为1，反之为0。
；
其中，Bo和Bp分别代表观测和预报数据二分化处理后的值； 和 />分别代表观测和预报数据，i为经向格点，j为纬向格点。
其次，观测效益评估时还需选择合适的空间尺度。对任意邻域半径的空间窗来水，区域内超过阈值的格点与总格点比值为：
；
其中i、j分别为区域轴和/>轴方向的格点，取值范围为1−Nx和1−Ny；k，l分别为邻域窗内x轴和y轴方向的格点数，n为邻域窗半径，当n = 1时，表示格点本身的预报技巧。
邻域半径n的均方根误差FBS (Fraction Brier Score)评分为：
；
FBS本质上是概率预报，且是一个负向评分指数，结果越接近0越好。为此对FBS进行转换，得到FSS：
；
综合以上判断标准，以预报偏差、预报均方根误差、相关系数、降水FSS评分各占25%权重作为综合检验指标，对分析场与预报场进行综合检验，从而筛选检验效果最好的航路。
步骤602、根据第二误差确定不同时刻最优预报数据，以根据不同时刻最优预报数据获取最优航路。
以降水预报偏差、预报均方根误差、相关系数、FSS评分各占25%权重作为降水综合检验指标，以温度场预报偏差、预报均方根误差、相关系数、各站33%权重作为温度场检验综合指标，并对湿度场、风场进行类似检验。 获得以上检验结果后，以降水检验结果为40%权重，温度、湿度、风场检验结果各为20%权重，整体综合诊断，选取整体诊断效果最优结果作为最优航路。
在本发明实施例中，支持关注区域与关注时段的自由选择与自动化计算。
最终，综合分析场与预报场评估效果，从几类航路设计中找到对于分析场与预报场改善最明显的航路，作为开展实际机动观测的最优计划建议。
本发明实施例提供的无人机航路规划方法，根据数值预报敏感区结果，在敏感区附近，围绕几类典型路径，如环绕类、穿越类、兼顾天气系统类，规划无人机观测航路与投放观测点位，获得几类典型航路路径与观测投放点位经纬度坐标。 根据以上经纬度坐标，生成预期观测日的仿真机动观测，包含大气温度、湿度、风速、风向的三维信息，并完成资料格式转换，处理生成可直接进入资料同化系统的仿真机动观测。针对仿真机动观测的三维变分同化功能，实现仿真机动观测的独立同化，生成同化后的分析场。针对仿真机动观测效益的综合评估功能，包含分析场与预报场评估两部分，自动给出分析时刻与选定预报时刻的一系列统计检验指标，为选取最优航路设计提供客观依据。为执行实际观测所需的科学规划与评估提供关键技术支撑，这方面此前一直缺乏系统性支持；实现了按何航路飞行并投放观测的精细化设计，并实现了根据每天天气情况实时更新调整设计方案，以得到最优观测规划。针对仿真机动观测的三维变分资料同化，以及同化后分析场与预报场结果的自动化诊断；通过同化结果的定量化诊断，为最优航路设计提供客观依据。
下面对本发明提供的用于气象观测的无人机航路规划装置进行描述，下文描述的用于气象观测的无人机航路规划装置与上文描述的无人机航路规划方法可相互对应参照。
图7为本发明实施例提供的用于气象观测的无人机航路规划装置的示意图，如图7所示，本发明实施例提供的用于气象观测的无人机航路规划装置包括：
获取模块701，用于获取基于实际天气情况的数值预报敏感区；
设计模块702，用于基于所述数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；
仿真模块703，用于分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；
同化模块704，用于对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；
评估模块705，用于根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
本发明实施例提供的用于气象观测的无人机航路规划装置通过获取基于实际天气情况的数值预报敏感区；基于数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，解决了传统的观测系统仿真试验系统缺少面向无人机的机动观测的技术支持和定量检验评估方法的问题，实现无人机飞行区规划、无人机观测投放策略规划和观测预期效益定理评估的目标，实现了不同区域、不同路线模拟飞行观测数据的灵活同化与结果定量化诊断分析。利用该系统协调调度大型无人机机动观测，开展专项保障任务，取得良好效益。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的用于气象观测的无人机航路规划方法。
图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行用于气象观测的无人机航路规划方法，该方法包括：获取基于实际天气情况的数值预报敏感区；基于数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的用于气象观测的无人机航路规划方法，该方法包括：获取基于实际天气情况的数值预报敏感区；基于数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位；分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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精神和范围。
Claims (11)
1.一种用于气象观测的无人机航路规划方法，其特征在于，包括：
获取基于实际天气情况的数值预报敏感区；
基于所述数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位，所述基于所述数值预报敏感区，设计多个典型路径规划航路，包括：
获取预报时刻的大气三维特征；根据所述预报时刻的大气三维特征判别典型天气系统；比较对应时段的数值预报敏感区与所述典型天气系统中心的位置关系，当数值预报敏感区出现在典型天气系统中心预设范围内时，围绕天气系统外围以预设半径进行环绕飞行，以获取天气系统中心预设半径范围的观测信息；当数值预报敏感区不在典型天气系统中心预设范围内时，围绕数值预报敏感区按螺旋线轨迹飞行，以获取数值预报敏感区内的观测信息；
分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；
对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；
根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
2.根据权利要求1所述的用于气象观测的无人机航路规划方法，其特征在于，所述获取基于实际天气情况的数值预报敏感区，包括：
当有明显天气系统过境时，以条件非线性最优扰动方法获取数值预报敏感区；
当没有明显天气系统过境时，通过统计各预报成员间的标准差获取数值预报敏感区。
3.根据权利要求1所述的用于气象观测的无人机航路规划方法，其特征在于，所述典型路径规划航路还包括：
穿越类观测路线，所述穿越类观测路线以敏感区中心为目标进行横穿或“之”字型折返飞行，以获取以数值预报敏感区为中心的剖面观测信息；
兼顾类观测路线，所述兼顾类观测路线在考虑围绕敏感区设计飞行路线的同时，查看敏感区上游以及飞行空域是否存在典型天气系统，如果存在，则在高影响天气系统预设范围内设计航路，包括沿系统等高线的切向飞行和横穿等高线的径向飞行，以获取数值预报敏感区和非数值预报敏感区的观测信息。
4.根据权利要求1所述的用于气象观测的无人机航路规划方法，其特征在于，所述分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验，包括：
将获取的气象数据进行参数化处理，生成未来时刻的仿真观测数据集；
根据多个投放观测点位的经纬坐标，将未来时刻的仿真观测数据集进行空间插值，获得多个投放观测点位的经纬坐标的三维特征信息，作为仿真机动观测试验结果。
5.根据权利要求4所述的用于气象观测的无人机航路规划方法，其特征在于，所述气象数据包括陆面参数、辐射参数和重力波拖曳参数，所述将获取的气象数据进行参数化处理，包括：
根据最大熵增模型对陆面参数化处理；
根据次网格三维辐射效应对辐射参数化处理；
根据非静力地形重力波对重力波拖曳参数化处理。
6.根据权利要求1所述的用于气象观测的无人机航路规划方法，其特征在于，所述对仿真机动观测试验结果进行资料同化，包括：
根据仿真观测预处理与生成主控程序将仿真机动观测试验结果转换为国际通用格式的结果数据；
根据所述结果数据中的风向、风速选择对应同化策略进行同化，得到分析场作为资料同化结果。
7.根据权利要求1所述的用于气象观测的无人机航路规划方法，其特征在于，根据资料同化结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，包括：
计算每条航路对应的资料同化结果与实际观测数据之间的第一误差，所述第一误差包括温度场检验综合指标误差、湿度场检验综合指标误差和风场检验综合指标误差；
根据所述第一误差确定最优初始场数据，以根据所述最优初始场数据获取最优航路。
8.根据权利要求1所述的用于气象观测的无人机航路规划方法，其特征在于，根据数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位，包括：
计算每条航路对应的数值天气预报结果与实际天气数据之间的第二误差，所述第二误差包括降水检验综合指标误差、温度场检验综合指标误差、湿度场检验综合指标误差和风场检验综合指标误差；
根据所述第二误差确定不同时刻最优预报数据，以根据所述不同时刻最优预报数据获取最优航路。
9.一种用于气象观测的无人机航路规划装置，其特征在于，包括：
获取模块，用于获取基于实际天气情况的数值预报敏感区；
设计模块，用于基于所述数值预报敏感区，设计多个典型路径规划航路及每个航路上的多个投放观测点位，所述基于所述数值预报敏感区，设计多个典型路径规划航路，包括：
获取预报时刻的大气三维特征；根据所述预报时刻的大气三维特征判别典型天气系统；比较对应时段的数值预报敏感区与所述典型天气系统中心的位置关系，当数值预报敏感区出现在典型天气系统中心预设范围内时，围绕天气系统外围以预设半径进行环绕飞行，以获取天气系统中心预设半径范围的观测信息；当数值预报敏感区不在典型天气系统中心预设范围内时，围绕数值预报敏感区按螺旋线轨迹飞行，以获取数值预报敏感区内的观测信息；
仿真模块，用于分别对每个典型路径规划航路上每个航路上多个投放观测点位获取的气象数据进行仿真机动观测试验；
同化模块，用于对仿真机动观测试验结果进行资料同化，根据资料同化结果进行数值天气预报；
评估模块，用于根据资料同化结果和数值天气预报结果对仿真观测效益进行评估分析，以筛选出最优航路及投放观测点位。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的用于气象观测的无人机航路规划方法。
11.一种非暂态可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述的用于气象观测的无人机航路规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297474.2A CN117053800B (zh) | 2023-10-09 | 2023-10-09 | 用于气象观测的无人机航路规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297474.2A CN117053800B (zh) | 2023-10-09 | 2023-10-09 | 用于气象观测的无人机航路规划方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117053800A CN117053800A (zh) | 2023-11-14 |
| CN117053800B true CN117053800B (zh) | 2024-01-09 |
Family
ID=88653885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311297474.2A Active CN117053800B (zh) | 2023-10-09 | 2023-10-09 | 用于气象观测的无人机航路规划方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117053800B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105874479A (zh) * | 2013-12-31 | 2016-08-17 | 波音公司 | 用于定义和预测飞机轨迹的系统和方法 |
| CN206946720U (zh) * | 2017-05-18 | 2018-01-30 | 毕雪松 | 具有气象预警功能的无人机管控系统 |
| CN110941790A (zh) * | 2019-09-27 | 2020-03-31 | 成都信息工程大学 | 基于高分辨率数值的无人机低空飞行气象信息处理方法 |
| CN113064221A (zh) * | 2021-03-17 | 2021-07-02 | 陕西省大气探测技术保障中心 | 一种无人机气象观测系统 |
| CN113390901A (zh) * | 2021-05-08 | 2021-09-14 | 国家卫星气象中心(国家空间天气监测预警中心) | 高垂直分辨率0-4km大气温湿度微波探测仪 |
| CN113485444A (zh) * | 2021-08-11 | 2021-10-08 | 李佳霖 | 一种基于多旋翼无人机的大气监测方法及系统 |
| CN113625318A (zh) * | 2021-06-30 | 2021-11-09 | 广西电网有限责任公司电力科学研究院 | 基于rtk技术的无人机高精度定位系统 |
| CN114201925A (zh) * | 2022-02-17 | 2022-03-18 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
| CN115169133A (zh) * | 2022-07-19 | 2022-10-11 | 中国消防救援学院 | 一种风场监测方法及系统 |
| CN116125557A (zh) * | 2022-07-29 | 2023-05-16 | 中国电力科学研究院有限公司 | 一种电力气象监测网络布局优化方法及系统 |
| WO2023151548A1 (zh) * | 2022-02-08 | 2023-08-17 | 达闼机器人股份有限公司 | 导航方法、装置、程序及计算机可读存储介质 |
-
2023
- 2023-10-09 CN CN202311297474.2A patent/CN117053800B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105874479A (zh) * | 2013-12-31 | 2016-08-17 | 波音公司 | 用于定义和预测飞机轨迹的系统和方法 |
| CN206946720U (zh) * | 2017-05-18 | 2018-01-30 | 毕雪松 | 具有气象预警功能的无人机管控系统 |
| CN110941790A (zh) * | 2019-09-27 | 2020-03-31 | 成都信息工程大学 | 基于高分辨率数值的无人机低空飞行气象信息处理方法 |
| CN113064221A (zh) * | 2021-03-17 | 2021-07-02 | 陕西省大气探测技术保障中心 | 一种无人机气象观测系统 |
| CN113390901A (zh) * | 2021-05-08 | 2021-09-14 | 国家卫星气象中心(国家空间天气监测预警中心) | 高垂直分辨率0-4km大气温湿度微波探测仪 |
| CN113625318A (zh) * | 2021-06-30 | 2021-11-09 | 广西电网有限责任公司电力科学研究院 | 基于rtk技术的无人机高精度定位系统 |
| CN113485444A (zh) * | 2021-08-11 | 2021-10-08 | 李佳霖 | 一种基于多旋翼无人机的大气监测方法及系统 |
| WO2023151548A1 (zh) * | 2022-02-08 | 2023-08-17 | 达闼机器人股份有限公司 | 导航方法、装置、程序及计算机可读存储介质 |
| CN114201925A (zh) * | 2022-02-17 | 2022-03-18 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
| CN115169133A (zh) * | 2022-07-19 | 2022-10-11 | 中国消防救援学院 | 一种风场监测方法及系统 |
| CN116125557A (zh) * | 2022-07-29 | 2023-05-16 | 中国电力科学研究院有限公司 | 一种电力气象监测网络布局优化方法及系统 |
Non-Patent Citations (8)
| Title |
|---|
| Jihyo Chong等.Research on the Meteorological Technology Development using Drones in the Fourth Industrial Revolution.《The Journal of the Korea Contents Association》.2019,(第19期),全文. * |
| 万齐林等.海洋气象观测系统在热带气旋资料同化中的应用.《中国工程科学》.2012,(第10期),全文. * |
| 刘丽丽等.基于观测系统模拟试验的海表气象观测站点布局方案研究.《气候与环境研究》.2019,第24卷(第6期),全文. * |
| 孟旭航等.航线天气预报中航迹规划仿真研究.《系统仿真学报》.2006,(第S2期),全文. * |
| 王俊等.无人机航迹规划常用算法.《火力与指挥控制》.2012,(第08期),全文. * |
| 王小兰等.无人机移动观测系统设计与实现.《气象水文海洋仪器》.2022,(第1期),全文. * |
| 路秀娟等.一次典型华南暴雨预报目标观测区的确定和敏感性试验.《热带气象学报》.2013,(第05期),全文. * |
| 陆续等.三维变分同化机载雷达资料对飓风预报的影响研究――2012年Isaac试验.《大气科学》.2015,(第06期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117053800A (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113155880B (zh) | 一种采用无人机和xrf技术对土壤重金属污染的检测方法 | |
| US11270111B2 (en) | Automated management of potentially hazardous objects near power lines | |
| Zhang et al. | Assimilation of precipitation-affected radiances in a cloud-resolving WRF ensemble data assimilation system | |
| CN110083977A (zh) | 一种基于深度学习的大气湍流监测方法 | |
| CN110457829A (zh) | 一种基于集成大气扩散模型的源项释放反演和扩散预测方法 | |
| CN107480781A (zh) | 神经网络自适应卡尔曼滤波的核事故源项反演方法 | |
| Lim et al. | Tropical cyclone forecasts impact assessment from the assimilation of hourly visible, shortwave, and clear-air water vapor atmospheric motion vectors in HWRF | |
| Ramírez et al. | A novel approach to optimize the positioning and measurement parameters in photovoltaic aerial inspections | |
| Chen et al. | Proactive quality control: Observing system simulation experiments with the Lorenz’96 model | |
| CN115752708A (zh) | 一种基于深度时间卷积网络的机场单点噪声预测方法 | |
| CN112215416A (zh) | 智能规划巡检航线系统及方法 | |
| Trucco et al. | Topological risk mapping of runway overruns: A probabilistic approach | |
| JP2022119973A (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
| CN113706931B (zh) | 空域的流控策略推荐方法、装置、电子设备及存储介质 | |
| CN114595876A (zh) | 一种区域风场预测模型生成方法和装置、电子设备 | |
| CN117053800B (zh) | 用于气象观测的无人机航路规划方法、装置、设备及介质 | |
| CN116718842B (zh) | 电磁环境监测空域自适应采样方法、装置及计算机设备 | |
| CN116401932B (zh) | 一种基于激光雷达和毫米波雷达的海雾消散时间估算方法 | |
| Khan et al. | An outlook of ozone air pollution through comparative analysis of artificial neural network, regression, and sensitivity models | |
| Williams et al. | Combining observations and model data for short-term storm forecasting | |
| CN113449918B (zh) | 突发重大污染事件应急指挥辅助决策方法和系统 | |
| Bottyán et al. | Weather Forecasting System for the Unmanned Aircraft Systems (UAS) Missions with the Special Regard to Visibility Prediction, in Hungary | |
| CN110533241B (zh) | 终端区起降容量预测系统 | |
| CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
| CN113821895A (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 |
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 |