CN117093953A - 一种多气象要素融合的飞机结冰快速修正预测方法和系统 - Google Patents
一种多气象要素融合的飞机结冰快速修正预测方法和系统 Download PDFInfo
- Publication number
- CN117093953A CN117093953A CN202311362639.XA CN202311362639A CN117093953A CN 117093953 A CN117093953 A CN 117093953A CN 202311362639 A CN202311362639 A CN 202311362639A CN 117093953 A CN117093953 A CN 117093953A
- Authority
- CN
- China
- Prior art keywords
- correction
- icing
- event
- aircraft
- preset
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 304
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000004927 fusion Effects 0.000 claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 73
- 239000007788 liquid Substances 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000013526 supercooled liquid Substances 0.000 claims description 8
- 238000012876 topography Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 229920003169 water-soluble polymer Polymers 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Library & Information Science (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及积冰预测领域,具体为一种多气象要素融合的飞机结冰快速修正预测方法和系统,包括步骤:获取修正对象以及修正对象的飞行数据;按照第一检索规则在预先构建的修正数据库中检索与修正对象相匹配的第一结冰事件;如果检索到匹配的第一结冰事件,则获取预设的第一推荐修正系数;否则按照第二检索规则在修正数据库中检索与修正对象相近似的第二结冰事件;将所检索到的第二结冰事件的事件高度、事件地理位置输入至系数修正模型以获取得到第二推荐修正系数,将对应推荐修正系数输入结冰事件修正模型。本发明向传统多气象要素融合算法引入了有限性的非气象要素条件进行结果修正,其在提升预测结果可靠性的基础上也保证了预测数据的时效性。
Description
技术领域
本发明涉及飞机结冰预测领域,具体涉及一种多气象要素融合的飞机结冰快速修正预测方法和系统。
背景技术
飞机结冰是指飞机机体因过冷水滴冻结或水汽凝华而聚积冰层的现象,通常发生在含有过冷水滴的云、雾、冻雨或湿雪中,多出现在飞机突出部。结冰会导致飞机的气动性能变差,从而影响飞机的稳定性和驾驶操纵性,甚至引发飞行安全事故。因此,快速准确预测飞机结冰概率可为航空安全提供重要保障。
目前,飞机结冰预测方法通常涉及以下几类算法:
1)结冰指数预报方法
常用的飞机结冰指数预报方法有SFIP指数算法和Ic指数算法。
例如,参见公布号为CN115718993A的发明专利申请,其公开了一种飞机积冰SFIP指数优化调整方法及系统。所述方法包括:获取航司飞行记录数据;基于先验概率进行积冰案例及非积冰案例的提取;使用ERA5再分析数据或者模式气象产品数据,计算SFIP指数数值,及各个隶属函数的值;将观测数据与再分析数据之间进行匹配;计算并选取评价指标;结合区域影响因子,对SFIP指数权重系数进行调整,从而优化SFIP指数算法。上述SFIP预测方法主要依赖于航司飞行记录数据进行积冰预测,然而,上述预测方法一方面对数据库的完整性要求较高(往往需要在预测前期采集大量的实时、实地飞行数据),另外在不同区域的结冰预测通用性上也相对较低。
Ic算法主要利用相对湿度和气温计算飞机结冰的潜势,其在积冰预测上存在的误报率较高。目前,通常会采用引入新气象要素的方式以提高Ic指数算法的准确率。例如,公布号为CN111874234A的发明专利申请,其公开了一种基于Ic指数和相对涡度的积冰预测方法和机载设备。所述积冰预测方法中在Ic指数算法预报积冰的基础上引入温度和相对涡度作为判断标准,从而以供飞行员在飞行之前做出更有效地应对策略。该引入相对涡度要素的积冰预测方法虽然在一定程度上提高了传统预测精度,但是在面临气候条件复杂多变的飞行航线时,其预测的可靠性和准确性仍然相对有限。
2)多气象要素融合的积冰预测方法
为了提高飞机积冰的预报准确性,当前还提出了一种多气象要素融合的积冰预测方法。例如,参见王磊,李成才,赵增亮,等.2014.飞机积冰云微物理特征分析及监测技术研究.气象,40(2):196-205.该文中公开了一种通过云中温度(T)、云顶温度(CTT)、相对湿度(RH)、垂直速度(VV)和过冷水含量(SLW)等多气象要素计算飞机积冰潜势的方法。又例如,参见李佰平等. “一种改进的飞机自然结冰潜势算法研究.”气象 44.11(2018):14. 该文公开了一种参照CIP方法,利用大气层结资料,基于云微物理基本概念,建立了综合温度、湿度、云顶温度等要素的结冰潜势模糊逻辑诊断方法。但是,这种多气象要素融合的积冰预测方法在实际业务中,仍然存在空报率较高等问题,容易造成空域资源的浪费。
因此,当前亟需一种能够提高多气象要素融合的飞机结冰潜势预测的准确性和可靠性的方法。
发明内容
本发明的目的在于提供一种多气象要素融合的飞机结冰快速修正预测方法和系统,部分地解决或缓解现有技术中的上述不足,能够在仅引入有限变量的情况下,减小结冰预报的空报范围,提高预测结冰潜势中心与真实结冰位置之间的重合度。
为了解决上述所提到的技术问题,本发明具体采用以下技术方案:
一种多气象要素融合的飞机结冰快速修正预测方法,包括步骤:
S101获取修正对象以及修正对象的飞行数据,所述修正对象为一种飞行器,所述飞行数据包括:飞行高度、飞行地理位置、飞行时间;
S102按照第一检索规则在预先构建的修正数据库中检索与所述修正对象相匹配的第一结冰事件,所述第一检索规则要求所述修正对象的飞行数据与所述第一结冰事件所对应的事件高度、事件地理位置、事件发生时间之间的差值属于第一预设阈值范围,且所述修正对象的飞行器类型与所述第一结冰事件所对应的飞行器类型相同;其中,
如果在S102中检索到与所述修正对象相匹配的第一结冰事件,则进入S103,步骤S103为获取预设的第一推荐修正系数;
如果在S102中未能检索到与所述修正对象相匹配的第一结冰事件,则进入S104-S105;
S104按照第二检索规则在所述修正数据库中检索与所述修正对象相近似的至少一个第二结冰事件,所述第二检索规则要求所述修正对象的飞行数据与所述第二结冰事件所对应的事件高度、事件地理位置之间的差值属于第二预设阈值范围,且所述修正对象的飞行器类型与所述第二结冰事件所对应的飞行器类型相同,所述飞行时间与对应的事件发生时间相同;
S105将S104中所检索到的第二结冰事件的事件高度、事件地理位置输入至用于计算第二推荐修正系数的系数修正模型以获取得到所述第二推荐修正系数,且所述系数修正模型包括:
当且时,CICE=X2;
当且时,CICE=X3;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H1表示第一预设水平距离,H2表示第二预设水平距离,H3表示第三预设水平距离,且H1<H2<H3;D1表示第一预设垂直距离,D2表示第二预设垂直距离,D3表示第三预设垂直距离,且D1<D2<D3;CICE表示第二推荐修正系数,X2、X3表示对应的推荐值;
当获取到对应的推荐修正系数之后,执行S106将对应所获取的推荐修正系数输入至预设的结冰事件修正模型。
在一些实施例中,S106包括步骤:
根据所述修正对象在当前飞行环境下的垂直速度选择结冰事件修正模型;其中,当所述垂直速度为零或方向向上时,所述结冰事件修正模型为:
;
当所述垂直速度的方向向下时,所述结冰事件修正模型为:
;
其中,表示修正后的结冰潜势,表示初始的结冰潜势,表示过冷
液态水含量,表示垂直速度,CICE为推荐修正系数,a、b、c为模型系数;
将所述推荐修正系数输入至所选择的结冰事件修正模型。
在一些实施例中,还包括步骤:
S107如果在S102中或S104中未能检索到与所述修正对象相匹配或相似的结冰事件,则按照第三检索规则在所述修正数据库中检索与所述修正对象近似的至少一个第三结冰事件,且所述第三检索规则要求所述修正对象的结冰部件类型与所述第三结冰事件所对应的结冰部件类型相同,且所述修正对象所对应飞行地理位置处的地势形貌类型、气候类型中的至少一种类型与所述第三结冰事件相同;
S108根据所述第三结冰事件的结冰强度确定第三推荐修正系数,其中结冰强度包括:轻度、中度、高度。
在一些实施例中,所述系数修正模型还包括:
当且时,CICE=X4;
当且时,CICE=X5;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H3表示第三预设水平距离,H4表示第四预设水平距离,H5表示第五预设水平距离,且H3<H4<H5;D3表示第三预设垂直距离,D4表示第四预设垂直距离,D5表示第五预设垂直距离,且D3<D4<D5;CICE表示第二推荐修正系数,X4、X5表示对应的推荐值。
在一些实施例中,所述飞行器类型包括以下一种或多种:平直翼飞机、梯形翼飞机、后掠翼飞机、三角翼飞机、变后掠翼飞机、前掠翼飞机、飞翼式飞机。
在一些实施例中,还包括步骤:
获取与所述飞行数据相对应的多气象要素条件,所述多气象要素条件包括:气温、相对湿度、垂直速度、云顶温度以及液态水含量;
通过预设的关系系数转换判据将所述多气象要素条件对应地转换为与所述结冰事件相对的多个相关关系系数,且多个相关关系系数分别为气温关系系数CT、相对湿度关系系数CRH、垂直速度关系系数CSLW、云顶温度关系系数CVV、液态水含量关系系数CCTT。
本发明第二方面还对应地提供了一种多气象要素融合的飞机结冰快速修正预测系统,包括:
修正对象获取模块,被配置为用于获取修正对象以及修正对象的飞行数据,所述修正对象为一种飞行器,所述飞行数据包括:飞行高度、飞行地理位置、飞行时间;
第一检索模块,被配置为用于按照第一检索规则在预先构建的修正数据库中检索与所述修正对象相匹配的第一结冰事件,所述第一检索规则要求所述修正对象的飞行数据与所述第一结冰事件所对应的事件高度、事件地理位置、事件发生时间之间的差值属于第一预设阈值范围,且所述修正对象的飞行器类型与所述第一结冰事件所对应的飞行器类型相同;
检索分析模块,被配置为用于如果在第一检索模块中检索到与所述修正对象相匹配的第一结冰事件,则启用第一修正模块,所述第一修正模块被配置为用于获取预设的第一推荐修正系数;
如果在第一检索模块中未能检索到与所述修正对象相匹配的第一结冰事件,则启用第二检索模块;
第二检索模块,被配置为用于按照第二检索规则在所述修正数据库中检索与所述修正对象相近似的至少一个第二结冰事件,所述第二检索规则要求所述修正对象的飞行数据与所述第二结冰事件所对应的事件高度、事件地理位置之间的差值属于第二预设阈值范围,且所述修正对象的飞行器类型与所述第二结冰事件所对应的飞行器类型相同,所述飞行时间与对应的事件发生时间相同;
第二修正模块,被配置为用于将第二检索模块中所检索到的第二结冰事件的事件高度、事件地理位置输入至用于计算第二推荐修正系数的系数修正模型以获取得到所述第二推荐修正系数,且所述系数修正模型包括:
当且时,CICE=X2;
当且时,CICE=X3;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H1表示第一预设水平距离,H2表示第二预设水平距离,H3表示第三预设水平距离,且H1<H2<H3;D1表示第一预设垂直距离,D2表示第二预设垂直距离,D3表示第三预设垂直距离,且D1<D2<D3;CICE表示第二推荐修正系数,X2、X3表示对应的推荐值;
第三修正模块,被配置为用于将对应所获得的推荐修正系数输入至预设的结冰事件修正模型。
在一些实施例中,第三修正模块包括:
修正模型选择单元,被配置为用于根据所述修正对象在当前飞行环境下的垂直速度选择结冰事件修正模型;其中,当所述垂直速度为零或方向向上时,所述结冰事件修正模型为:
;
当所述垂直速度的方向向下时,所述结冰事件修正模型为:
;
其中,表示修正后的结冰潜势,表示初始的结冰潜势,表示过冷
液态水含量,表示垂直速度,CICE为对应的第二推荐修正系数,a、b、c为模型系数;
修正预测单元,被配置为用于将对应所获得的推荐修正系数输入至所选择的结冰事件修正模型。
在一些实施例中,还包括:
第三检索模块,被配置为用于如果在第一检索模块中或第二检索模块中未能检索到与所述修正对象相匹配或相似的结冰事件,则按照第三检索规则在所述修正数据库中检索与所述修正对象近似的至少一个第三结冰事件,且所述第三检索规则要求所述修正对象的结冰部件类型与所述第三结冰事件所对应的结冰部件类型相同,且所述修正对象所对应飞行地理位置处的地势形貌类型、气候类型中的至少一种类型与所述第三结冰事件相同;
第四修正模块,被配置为用于根据所述第三结冰事件的结冰强度确定第三推荐修正系数,其中结冰强度包括:轻度、中度、高度。
在一些实施例中,所述第一修正模型还包括:
当且时,CICE=X4;
当且时,CICE=X5;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H3表示第三预设水平距离,H4表示第四预设水平距离,H5表示第五预设水平距离,且H3<H4<H5;D3表示第三预设垂直距离,D4表示第四预设垂直距离,D5表示第五预设垂直距离,且D3<D4<D5;CICE表示对应的第二推荐修正系数。
有益技术效果:
与传统的引入气象要素提高预测结果准确性的技术路线相反,本发明选择了引入有限性的非气象要素条件(即真实的结冰事件)对气象要素融合模型进行修正。并且,这种非气象要素的有限性变量(即单一推荐修正系数)的加入不仅不会对原有气象要素变量的预测功能造成过多影响(即不会导致原有气象要素变量与预测结果之间的关联度降低),同时还能够通过简化的修正方式(即对原有的算法结构调整较小)与原有的气象要素融合模型进行整合,以高效的方式同步计算出修正后的结冰潜势预测结果。且经过验证,本发明所引入的有限性变量使得预测结果的空报区域显著降低。
其中,由于本申请关键性地选取了事件发生位置,发生时间、飞行器类型等有限因素作为检索条件,且仅选取事件发生位置作为推荐修正系数的计算评估参数,其既能够有效地提高修正速度(即在计算前期能够快速检索、在计算过程中能够快速评估修正系数),同时能够在修正数据库内的事件数据相对有限地情况下,提高对于有限事件数据的利用率。
换言之,本申请通过引入有限变量的方式,既提高了结果预测的可靠性与准确性,同时不会对计算机算力提出过高的要求。
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简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。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它的附图。
图1为本发明一示例性实施例中修正预测方法的流程示意图;
图2为本发明一示例性实施例中气温关系系数的查找数据表示意图;
图3为本发明一示例性实施例中相对湿度关系系数的查找数据表示意图;
图4为本发明一示例性实施例中垂直速度关系系数的查找数据表示意图;
图5为本发明一示例性实施例中云顶温度关系系数的查找数据表示意图;
图6为本发明一示例性实施例中液态水含量关系系数的查找数据表示意图;
图7为采用传统多气象融合算法预测结冰事件所在纬度(a)的结冰潜势垂直剖面图;
图8为采用传统多气象融合算法预测结冰事件所在经度(b)的结冰潜势垂直剖面图;
图9为采用本发明示例性修正预测方法预测的结冰事件所在纬度(a)的结冰潜势垂直剖面图;
图10为采用本发明示例性修正预测方法预测的结冰事件所在经度(b)的结冰潜势垂直剖面图;
图11为本发明一示例性实施例中修正预测系统的模块结构示意图。
附图标记:1为真实结冰事件位置,2为空报区域。
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。
本文中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本文中,术语“上”、“下”、“内”、“外”“前”、“后”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本文中,除非另有明确的规定和限定,术语“安装”、“设置有”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本文中“和/或”包括任何和所有一个或多个列出的相关项的组合。
本文中“多个”意指两个或两个以上,即其包含两个、三个、四个、五个等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
如在本说明书中使用的,术语“大约”,典型地表示为所述值的+/-5%,更典型的是所述值的+/-4%,更典型的是所述值的+/-3 %,更典型的是所述值的+/-2 %,甚至更典型的是所述值的+/-1 %,甚至更典型的是所述值的+/-0.5%。
在本说明书中,某些实施方式可能以一种处于某个范围的格式公开。应该理解,这种“处于某个范围”的描述仅仅是为了方便和简洁,且不应该被解释为对所公开范围的僵化限制。因此,范围的描述应该被认为是已经具体地公开了所有可能的子范围以及在此范围内的独立数字值。例如,范围1〜6的描述应该被看作已经具体地公开了子范围如从1到3,从1到4,从1到5,从2到4,从2到6,从3到6等,以及此范围内的单独数字,例如1,2,3,4,5和6。无论该范围的广度如何,均适用以上规则。名词解释:
本文中,“相同”指的是两个或多个所指对象之间的差异(如数值差异,或类型差异)对于实际工程应用(即结冰修正)的影响相对较小,或者说,差异对于结冰修正所带来的影响属于可接受的范围。
例如,在一些实施例中,本文中的时间相同可以指其处于同一时间段内,例如,均为类似气候条件下的同一时间段,如同为上午、中午、早晨、凌晨等等。
或者,在另一些实施例中,时间相同也可以指均为同一季节/气候下的气象要素相近或相同的一天。
本文中,“飞机”也被称为“飞行器”,其可以指在大气层内飞行的航空器,飞行器通常靠空气的静浮力或空气相对运动产生的空气动力升空飞行。其中,飞行器可以按照飞行用途、构造、发动机、飞行速度、航程等一个或多个因素被分为不同的类别。
例如,在一些实施例中,可以按照主要结冰部件(如机翼)的形状特征对飞行器进行分类,如分为平直翼飞机、梯形翼飞机、后掠翼飞机、三角翼飞机、变后掠翼飞机、前掠翼飞机、飞翼式飞机等。
当然,在另一些实施例中,也可以按照飞行器的飞行速度进行分类,如分为亚音速飞机和超音速飞机。
又例如,在另一些实施例中,也可以按照飞行特点将其分为气球、飞艇、固定翼飞机、旋翼机等等。
本文中,“地理位置”指的是飞行器飞行时投影在地面的地理位置点,如经纬坐标,或者指的是飞机在飞行空域中的水平位置坐标。
实施例一
如图1所示,本发明提供了一种多气象要素融合的飞机结冰快速修正预测方法,包括步骤:
S101获取修正对象以及修正对象的飞行数据,所述修正对象为一种飞行器,所述飞行数据包括:飞行高度、飞行地理位置、飞行时间;
S102按照第一检索规则在预先构建的修正数据库中检索与所述修正对象相匹配的第一结冰事件,所述第一检索规则要求所述修正对象的飞行数据与所述第一结冰事件所对应的事件高度、事件地理位置、事件发生时间之间的差值属于第一预设阈值范围,且所述修正对象的飞行器类型与所述第一结冰事件所对应的飞行器类型相同;
其中,如果在S102中检索到与所述修正对象相匹配的第一结冰事件,则进入S103获取预设的第一推荐修正系数。
例如,在一些实施例中,第一推荐修正系数(也被称为积冰修正系数)的推荐值X1大约为1。
当修正数据库中所采集的结冰事件数据相对有限时,即如果在S102中未能检索到与所述修正对象相匹配的第一结冰事件,则进入S104-S105;
S104按照第二检索规则在所述修正数据库中检索与所述修正对象相近似的至少一个第二结冰事件,所述第二检索规则要求所述修正对象的飞行数据与所述第二结冰事件所对应的事件高度、事件地理位置之间的差值属于第二预设阈值范围,且所述修正对象的飞行器类型与所述第二结冰事件所对应的飞行器类型相同,所述飞行时间与对应的事件发生时间相同;
S105将S104中所检索到的第二结冰事件的事件高度、事件地理位置输入至用于计算第二推荐修正系数的系数修正模型以获取得到所述第二推荐修正系数,且所述系数修正模型包括:
当且时,CICE=X2;
当且时,CICE=X3;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H1表示第一预设水平距离,H2表示第二预设水平距离,H3表示第三预设水平距离,且H1<H2<H3;D1表示第一预设垂直距离,D2表示第二预设垂直距离,D3表示第三预设垂直距离,且D1<D2<D3;CICE表示第二推荐修正系数,X2、X3表示对应的推荐值;
当获取到对应的推荐修正系数之后,则进入步骤S106:
S106将所述推荐修正系数(也被称为积冰修正系数)输入至预设的结冰事件修正模型。
在一些实施例中,修正数据库中包括:至少一项结冰事件信息。
在一些实施例中,结冰事件信息包括:事件高度、事件地理位置、事件发生时间、飞行器的类型等等。
在一些实施例中,结冰事件信息可以通过飞行探测平台探测所得。例如,飞行器在航线过程中可以读取飞行探测过程中的实际飞机结冰事件信息,其中包含飞机结冰事件的时间和经纬度信息。
在一些实施例中,结冰事件信息也可以来源于航空公司的真实结冰事件记录。
在一些实施例中,第一预设阈值范围包括:第一空间范围S1和第一时间范围T1。
例如,在一些实施例中,当结冰事件的事件高度、事件地理位置满足第一空间评估
模型时,则认为其满足对应的第一空间范围,其中,第一空间评估模型为:。
例如,在一些实施例中,当结冰事件的事件发生时间与当前的飞行时间属于同一时间段(例如,气象条件相同或相近的时间段)时,则认为事件发生时间与飞行时间之间差值属于相应的第一时间范围T1。
例如,当飞行器在早晨飞至目标地时,优选检索到的第一结冰事件为发生在目标地的早晨时段的结冰事件记录。
在一些实施例中,第二预设阈值范围包括:第二空间范围S2。
例如,在一些实施例中,当结冰事件的事件高度、事件地理位置不满足于上述第一空间评估模型时,但满足第二空间评估模型时,则认为其满足于对应的第二预设阈值范围(也即第二空间范围S2)。
例如,在一些实施例中,第二空间评估模型包括:
;
其中,为结冰事件的事件地理位置,为飞行地理位置,为结冰事件的事件
发生高度,为飞行高度,为水平间距阈值,为高度间距阈值。其中,>,>。
例如,在一些实施例中,第二检索规则要求所述飞行时间与对应的事件发生时间相同指的是飞行时间与事件发生时间处于同一时间段(例如,上午、中午、下午、晚上、凌晨、清晨等等)。
进一步地,在一些实施例中,S106包括步骤:
根据所述修正对象在当前飞行环境下的垂直速度选择结冰事件修正模型;其中,当所述垂直速度为零或方向向上时,所述结冰事件修正模型为:
;
当所述垂直速度的方向向下时,所述结冰事件修正模型为:
;
其中,表示修正后的结冰潜势,表示初始的结冰潜势,表示过冷
液态水含量,表示垂直速度,CICE为推荐修正系数,a、b、c为模型系数;
将所述推荐修正系数输入至所选择的结冰事件修正模型。
优选地,在一些实施例中,a=0.4,b=0.25,c=0.35。
本申请一方面引入了一种非气象要素条件(即真实的积冰事件)对多气象要素融合模型进行结果修正,另一方面针对真实的积冰事件,仅选用了有限性因素对积冰事件进行选取与关联性评估。这种利用非气象要素条件的有限性因素对多气象融合模型进行修正的方式既显著地降低飞机结冰的空报范围(如图7-图10所示),同时还能够减小对于原始模型中各气象要素计算关联性的影响(换句话说,本申请能够在引入新要素的情况下,减小对于原始模型的预测算法的影响)。
并且,由于本申请关键性地选取了事件发生位置,发生时间、飞行器类型等有限因素作为检索条件,且仅选取事件发生位置作为推荐修正系数的计算评估参数,既能够大大地提高修正速度(即快速检索、快速评估修正系数),同时能够在修正数据库内事件数据相对有限地情况下,提高对于事件数据的有效利用率。
同时,本发明所提出的简化修正预测路线,除了可适用于结冰事件数据相对有限的应用场景(如新航线的开辟)外,还仅采用了有限维度(如事件发生高度、地理位置)对于结冰事件的影响程度进行评估。这种针对适用于有限数据库的低维度评估方式既有助于提高数据利用率,同时能够减小修正过程对于计算机算力的要求(或者说,对运算效率的影响非常小)。因此,所得的修正预测结果具有实时性、实地性的特点,更具可靠性。
进一步地,为了提高对于有限事件的利用率,同时提高修正系数的可靠性,在一些实施例中,所述系数修正模型还包括:
当且时,CICE=X4;
当且时,CICE=X5;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H3表示第三预设水平距离,H4表示第四预设水平距离,H5表示第五预设水平距离,且H3<H4<H5;D3表示第三预设垂直距离,D4表示第四预设垂直距离,D5表示第五预设垂直距离,且D3<D4<D5;CICE表示推荐修正系数,X2、X3为对应的推荐值。
可以理解的是,上述一个或多个预设参数可以采用以下示例性的建议值:
例如,在一些实施例中,H1=36km,H2=50km,H3=70km,D1=0.04km,D2=0.1km,D3=0.16km。相对应地,推荐值X2=0.8,推荐值X3=0.6。
例如,在一些实施例中,H3=70km,H4=88km,H5=105km,D3=0.16km,D4=0.22km,D5=0.28km。相对应地,推荐值X4=0.4,推荐值X5=0.2。
当然,上述一个或多个预设参数也可以根据实际的应用情况(如飞行器类型,预测精度)由用户进行自定设定。
本实施例中仅采用水平距离、垂直距离二者综合评估真实结冰事件对于当前结冰情况的影响程度(即确定推荐修正系数),可以快速地对积冰潜势进行预测与修正,即在减小空报区域的基础上还保证了预测结果的时效性。
本实施例中优选地针对特定区域的结冰事件(如针对符合第二检索规则的结冰事件)采用多级评估的方式以对真实结冰事件对于模型修正的影响进行区分,以提高修正的可靠性和准确性。
在一些实施例中,结冰事件信息还可以进一步地包括积冰类型(如积冰特点,积冰严重程度等等)。
在一些实施例中,结冰事件信息还可以进一步地包括:事件发生的地理位置,和/或事件发生时的气候类型(或者说,地理位置当下的气候类型)。
具体地,结冰事件信息可以包括对应地理位置处地势形貌类型、气候类型。
例如,在一些实施例中,结冰事件信息还可以进一步地包括:结冰事件所对应的结冰部件类型(或者飞行器的类型)。
例如,在一些实施例中,所述飞行器的类型包括以下一种或多种:平直翼飞机、梯形翼飞机、后掠翼飞机、三角翼飞机、变后掠翼飞机、前掠翼飞机、飞翼式飞机。
当面临新航线的开辟时,尤其针对一些气候环境复杂,或者航线分布较少的空域时,其可以获取的历史飞行事件(尤其结冰事件)信息是非常有限的。而为了能够对于新航线开辟、运行过程提供可靠的数据支持,在一些实施例中,所述方法还包括步骤:
S107如果在S102中或S104中未能检索到与所述修正对象相匹配或相似的结冰事件,则按照第三检索规则在所述修正数据库中检索与所述修正对象近似的至少一个第三结冰事件,且所述第三检索规则要求所述修正对象的结冰部件类型与所述第三结冰事件所对应的结冰部件类型相同,且所述修正对象所对应飞行地理位置处的地势形貌类型、气候类型中的至少一种类型与所述第三结冰事件相同;
S108根据所述第三结冰事件的结冰强度类型确定所述推荐修正系数,其中结冰强度类型包括:轻度、中度、高度。
在一些实施例中,针对第三结冰事件预设有推荐系数数据库,且推荐系数数据库中包括至少一个预设定的第三推荐修正系数。当监测到存在对应的第三结冰事件时,通过其结冰强度快速地从推荐系数数据库中匹配到对应的推荐修正系数。
例如,在一些实施例中,推荐系数数据库包括:第一推荐值A,第二推荐值B,……第n推荐值N。且第一推荐值A关联有第一标签(如高度结冰),第二推荐值B关联有第二标签(如中度结冰),第三推荐值C关联有第三标签(如轻度结冰)。
例如,在一些实施例中,第一推荐值大约为X3,第二推荐值大约为X4,第三推荐值大约为X5。
具体地,X3大约为0.3-0.5,X4大约为0.1-0.3,X5大约为0-0.1。
例如,在一些实施例中,当检索到多个第三结冰事件时,则根据结冰强度类型相同数量最多的第三结冰事件的结冰强度类型选择推荐值。
本实施例中,针对数据量相对有限的航线场景,还可采用第三检索规则对于飞机积冰进行快速修正,从而向用户及时地提供积冰参数数据。
在一些实施例中,还包括步骤:
获取与所述飞行数据相对应的多气象要素条件,所述多气象要素条件包括:气温T、相对湿度RH、垂直速度VV 、云顶温度CTT以及液态水含量SLW;
按照预设的关系系数转换判据将所述多气象要素条件对应地转换为与所述结冰事件相对的多个相关关系系数,且多个相关关系系数分别为气温关系系数CT、相对湿度关系系数CRH、垂直速度关系系数CSLW、云顶温度关系系数CVV、液态水含量关系系数CCTT。
在一些实施例中,可以从气象再分析数据或数值模式输出结果中获取到一个或多个气象要素的数值。
例如,在一些实施例中,可以从欧洲中期天气预报中心提供的ERA5小时再分析数据中分别获取到以下气象要素的数值:气温(单位:K)、相对湿度(单位:%)、垂直速度(单位:Pa/s)、比云液态水含量(单位:kg/kg)。
在一些实施例中,各个关系系数转换判据可以参考图2-图6所示的数据查找图表。
例如,在一些实施例中,当气温T≤-26℃或气温T≥2℃时,温度相关关系系数CT=0;当-26℃<T<2℃时,相关关系系数CT取值参见图2。
例如,在一些实施例中,当相对湿度RH≤30%时,相关关系系数CRH=0;当30%<RH≤100%时,相关关系系数CRH取值参见图3所示。
例如,在一些实施例中,当0.04g/m3≤SLW(过冷液态水)≤0.5 g/m3时,相关关系系数CSLW取值如图4所示。
例如,在一些实施例中,当-1×10-3hPa/s≤VV(垂直速度)≤-0.5×10-3hPa/s时,相关关系系数CVV=1;当0hPa/s≤VV≤0.25×10-3hPa/s时,相关关系系数CVV=0.5;当-0.5×10-3hPa/s<VV<0hPa/s或0.25×10-3hPa/s<VV≤1×10-3hPa/s时,相关关系系数CVV取值如图5所示。
例如,在一些实施例中,当云顶温度CTT≥-12℃时,相关关系系数CCTT=1;当-50℃≤CTT<-12℃时,相关关系系数CCTT取值如图6所示。
进一步地,在一些实施例中,还将统一所读入的气象要素数据和适用于进行相关关系系数判据转换的单位。
例如,针对气温T的转换公式为:
。
例如,液态水含量SLW(也即CSLW)的转换公式为:
;
;
;
;
其中,为液态水含量,为单位体积空气块中液态水质量,为单位体
积,为单位体积空气块质量,为空气块总密度,表示气压,单位为Pa;表示干空气
的比气体常数,;表示气温,单位为K。
例如,针对垂直速度VV的转换公式为:
。
根据上述转换后的判据,选取与所读取的气象要素相对应的相关关系系数。
在一些实施例中,计算初始飞机结冰潜势的公式为:
。
其中,为温度相关关系系数,为过冷液态水相关关系系数,为相对湿度
相关关系系数。
在一些实施例中,所述方法还包括步骤:
根据修正后的结冰潜势结果预测结冰程度。
例如,在一些实施例中,当修正后的结冰潜势数值属于第一积冰范围(如(15%,40%])时,则认为其属于轻度结冰。
例如,在一些实施例中,当修正后的结冰潜势数值属于第二积冰范围(如(40%,65%])时,则认为其属于中度结冰。
例如,在一些实施例中,当修正后的结冰潜势数值属于第三积冰范围(如 大于65%时),则认为其属于重度结冰。
进一步地,为了提高飞行器航行安全,在一些实施例中,还包括步骤:
判断预测结冰程度与所检索到的对应结冰事件的结冰程度是否相同;
若是,则认为预测结冰程度可靠;
若否,则向用户发生警示信号,以提醒用户对预测结冰程度进行二次验证(如人为观察)。
其中,警示信号可以包括:预测结冰程度以及真实结冰事件的结冰程度。
为了验证本申请所提出的快速修正方法的可靠性与准确性,如图7-图10所示,本申请还以2021年5月31日17时所发生的真实结冰事件为例对修正方法进行验证。
参见图7和图8,其示出了利用传统多气象要素融合模型(具体预测算法可参见王磊,李成才,赵增亮,等.2014.飞机积冰云微物理特征分析及监测技术研究.气象,40(2):196-205.)对上述结冰事件进行预测的结冰潜势垂直剖面图。
参见图9和图10,其示出了利用本申请中的修正方法对上述结冰事件进行预测的结冰潜势垂直剖面图。
图7-图10下方所示色标表示结冰潜势大小,颜色越深则结冰可能性越大,结冰强度越高。
对比图7和图8,以及图9和图10可以看出,本申请中的修正方法对结冰事件的预报更为精准,且预报所得的结冰潜势大致中心与真实结冰事件位置1高度重合,而空报区域2明显缩小。
换句话说,本申请中的结冰潜势预测数据高度集中,且预测结冰潜势中心与真实结冰事件高度一致(而传统算法的结冰潜势区域相对分散,且与真实事件偏离较大)。
实施例二
如图11所示,本发明还提供了一种多气象要素融合的飞机结冰快速修正预测系统,包括:
修正对象获取模块10,被配置为用于获取修正对象以及修正对象的飞行数据,所述修正对象为一种飞行器,所述飞行数据包括:飞行高度、飞行地理位置、飞行时间;
第一检索模块20,被配置为用于按照第一检索规则在预先构建的修正数据库中检索与所述修正对象相匹配的第一结冰事件,所述第一检索规则要求所述修正对象的飞行数据与所述第一结冰事件所对应的事件高度、事件地理位置、事件发生时间之间的差值属于第一预设阈值范围,且所述修正对象的飞行器类型与所述第一结冰事件所对应的飞行器类型相同;
检索分析模块30,被配置为用于如果在第一检索模块20中检索到与所述修正对象相匹配的第一结冰事件,则启用第一修正模块40,所述第一修正模块被配置为用于获取预设的第一推荐修正系数;
如果在第一检索模块20中未能检索到与所述修正对象相匹配的第一结冰事件,则启用第二检索模块50;
第二检索模块50,被配置为用于按照第二检索规则在所述修正数据库中检索与所述修正对象相近似的至少一个第二结冰事件,所述第二检索规则要求所述修正对象的飞行数据与所述第二结冰事件所对应的事件高度、事件地理位置之间的差值属于第二预设阈值范围,且所述修正对象的飞行器类型与所述第二结冰事件所对应的飞行器类型相同,所述飞行时间与对应的事件发生时间相同;
第二修正模块60,被配置为用于将第二检索模块中所检索到的第二结冰事件的事件高度、事件地理位置输入至用于计算第二推荐修正系数的系数修正模型以获取得到所述第二推荐修正系数,且所述系数修正模型包括:
当且时,CICE=X2;
当且时,CICE=X3;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H1表示第一预设水平距离,H2表示第二预设水平距离,H3表示第三预设水平距离,且H1<H2<H3;D1表示第一预设垂直距离,D2表示第二预设垂直距离,D3表示第三预设垂直距离,且D1<D2<D3;CICE表示第二推荐修正系数,X2、X3为对应的推荐值;
第三修正模块70,被配置为用于将所述推荐修正系数输入至预设的结冰事件修正模型。
在一些实施例中,第三修正模块70包括:
修正模型选择单元71,被配置为用于根据所述修正对象在当前飞行环境下的垂直速度选择结冰事件修正模型;其中,当所述垂直速度为零或方向向上时,所述结冰事件修正模型为:
;
当所述垂直速度的方向向下时,所述结冰事件修正模型为:
;
其中,表示修正后的结冰潜势,表示初始的结冰潜势,表示过冷
液态水含量,表示垂直速度,CICE为推荐修正系数,a、b、c为模型系数;
修正预测单元72,被配置为用于将所述推荐修正系数输入至所选择的结冰事件修正模型。
值得说明的是,本申请中所引入的有限性非气象要素变量(即单一的推荐修正系数CICE)并不会影响原有多气象要素融合模型中已有气象要素变量对于预测结果准确性所做出的贡献。
换句话说,本申请所引入的单一推荐修正系数既能够增加预测结果中心与真实结冰事件之间的重合度,同时能够以极简的方式融入到原始融合模型,其在显著提升预测结果准确性的基础上,还同步地保证了积冰预测的计算效率。也即不会影响积冰预测的时效性。
在一些实施例中,还包括:
第三检索模块80,被配置为用于如果在第一检索模块中或第二检索模块中未能检索到与所述修正对象相匹配或相似的结冰事件,则按照第三检索规则在所述修正数据库中检索与所述修正对象近似的至少一个第三结冰事件,且所述第三检索规则要求所述修正对象的结冰部件类型与所述第三结冰事件所对应的结冰部件类型相同,且所述修正对象所对应飞行地理位置处的地势形貌类型、气候类型中的至少一种类型与所述第三结冰事件相同;
第四修正模块90,被配置为用于根据所述第三结冰事件的结冰强度确定所述推荐修正系数,其中结冰强度包括:轻度、中度、高度。
在一些实施例中,所述第一修正模型还包括:
当且时,CICE=X4;
当且时,CICE=X5;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H3表示第三预设水平距离,H4表示第四预设水平距离,H5表示第五预设水平距离,且H3<H4<H5;D3表示第三预设垂直距离,D4表示第四预设垂直距离,D5表示第五预设垂直距离,且D3<D4<D5;CICE表示第二推荐修正系数,X4、X5为对应的预设推荐值。
在一些实施例中,所述飞行器的类型包括以下一种或多种:平直翼飞机、梯形翼飞机、后掠翼飞机、三角翼飞机、变后掠翼飞机、前掠翼飞机、飞翼式飞机。
在一些实施例中,所述系统还包括:
多气象要素条件获取模块100,被配置为用于获取与所述飞行数据相对应的多气象要素条件,所述多气象要素条件包括:气温、相对湿度、垂直速度、云顶温度以及液态水含量;
关系系数转换模块110,被配置为用于通过预设的关系系数转换判据将所述多气象要素条件对应地转换为与所述结冰事件相对的多个相关关系系数,且多个相关关系系数分别为气温关系系数CT、相对湿度关系系数CRH、垂直速度关系系数CSLW、云顶温度关系系数CVV、液态水含量关系系数CCTT。
可以理解的是,在飞机的真实飞行过程中,可能引起飞机积冰的气象要素类型非常多,如飞机结冰还可能不同程度地受到云厚、云纹理特征、云底信息、云相态等等。而本发明所提出的修正算法并未引入新的气象要素参数,因而其对于飞行过程中的气象要素采集难度也未提出更高的要求。
如图11所述,为了对多气象要素融合预测结果进行快速修正,本实施例中引入了非气象要素修正子系统,并关键性地选取了结冰事件发生高度、结冰事件水平位置二者对修正影响因素(如推荐修正系数)进行综合性评估,从而快速地对预测数据进行修正。
同时所引入的有限变量(即通过结冰事件高度、地理位置所决策出的推荐修正系数)对于原有的变量(即多气象要素)与预测结果的关联性的影响因素较小。换句话说,本申请所采用的有限性变量对于原有预测算法的融合性较好。
可以理解的是,本申请中的各项阈值范围或参数可以根据不同的应用需求(如飞行器类型,结冰预测精度等等)由用户进行适应性地调节。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台计算机终端(可以是手机,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的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (9)
1.一种多气象要素融合的飞机结冰快速修正预测方法,其特征在于,包括步骤:
S101获取修正对象以及修正对象的飞行数据,所述修正对象为一种飞行器,所述飞行数据包括:飞行高度、飞行地理位置、飞行时间;
S102按照第一检索规则在预先构建的修正数据库中检索与所述修正对象相匹配的第一结冰事件,所述第一检索规则要求所述修正对象的飞行数据与所述第一结冰事件所对应的事件高度、事件地理位置、事件发生时间之间的差值属于第一预设阈值范围,且所述修正对象的飞行器类型与所述第一结冰事件所对应的飞行器类型相同;其中,
如果在S102中检索到与所述修正对象相匹配的第一结冰事件,则进入S103;
S103获取预设的第一推荐修正系数;
如果在S102中未能检索到与所述修正对象相匹配的第一结冰事件,则进入S104-S105;
S104按照第二检索规则在所述修正数据库中检索与所述修正对象相近似的至少一个第二结冰事件,所述第二检索规则要求所述修正对象的飞行数据与所述第二结冰事件所对应的事件高度、事件地理位置之间的差值属于第二预设阈值范围,且所述修正对象的飞行器类型与所述第二结冰事件所对应的飞行器类型相同,所述飞行时间与对应的事件发生时间相同;
S105将S104中所检索到的第二结冰事件的事件高度、事件地理位置输入至用于计算第二推荐修正系数的系数修正模型以获取得到所述第二推荐修正系数,且所述系数修正模型包括:
当且/>时,CICE=X2;
当且/>时,CICE=X3;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H1表示第一预设水平距离,H2表示第二预设水平距离,H3表示第三预设水平距离,且H1<H2<H3;D1表示第一预设垂直距离,D2表示第二预设垂直距离,D3表示第三预设垂直距离,且D1<D2<D3;CICE表示第二推荐修正系数,X2、X3表示相对应的推荐值;
S106将对应所获得的推荐修正系数输入至预设的结冰事件修正模型,其中,S106包括步骤:
根据所述修正对象在当前飞行环境下的垂直速度选择结冰事件修正模型;其中,当垂直速度为零或方向向上时,所述结冰事件修正模型为:
;
当垂直速度的方向向下时,所述结冰事件修正模型为:
;
其中,表示修正后的结冰潜势,/>表示初始的结冰潜势,/>表示过冷液态水含量,/>表示垂直速度,CICE表示对应的推荐修正系数,a、b、c分别表示对应的模型系数;
将对应所获得的推荐修正系数输入至所选择的结冰事件修正模型。
2.根据权利要求1所述的一种多气象要素融合的飞机结冰快速修正预测方法,其特征在于,还包括步骤:
S107如果在S102中或S104中未能检索到与所述修正对象相匹配或相似的结冰事件,则按照第三检索规则在所述修正数据库中检索与所述修正对象近似的至少一个第三结冰事件,且所述第三检索规则要求所述修正对象的结冰部件类型与所述第三结冰事件所对应的结冰部件类型相同,且所述修正对象所对应飞行地理位置处的地势形貌类型、气候类型中的至少一种类型与所述第三结冰事件相同;
S108根据所述第三结冰事件的结冰强度确定第三推荐修正系数,其中结冰强度包括:轻度、中度、高度。
3.根据权利要求1所述的一种多气象要素融合的飞机结冰快速修正预测方法,其特征在于,所述系数修正模型还包括:
当且/>时,CICE=X4;
当且/>时,CICE=X5;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H3表示第三预设水平距离,H4表示第四预设水平距离,H5表示第五预设水平距离,且H3<H4<H5;D3表示第三预设垂直距离,D4表示第四预设垂直距离,D5表示第五预设垂直距离,且D3<D4<D5;CICE表示第二推荐修正系数,X4、X5表示对应的推荐值。
4.根据权利要求1所述的一种多气象要素融合的飞机结冰快速修正预测方法,其特征在于,所述飞行器类型包括以下一种或多种:平直翼飞机、梯形翼飞机、后掠翼飞机、三角翼飞机、变后掠翼飞机、前掠翼飞机、飞翼式飞机。
5.根据权利要求1所述的一种多气象要素融合的飞机结冰快速修正预测方法,其特征在于,还包括步骤:
获取与所述飞行数据相对应的多气象要素条件,所述多气象要素条件包括:气温、相对湿度、垂直速度、云顶温度以及液态水含量;
通过预设的关系系数转换判据将所述多气象要素条件对应地转换为与所述结冰事件相对的多个相关关系系数,且多个相关关系系数分别为气温关系系数CT、相对湿度关系系数CRH、垂直速度关系系数CSLW、云顶温度关系系数CVV、液态水含量关系系数CCTT。
6.一种多气象要素融合的飞机结冰快速修正预测系统,其特征在于,包括:
修正对象获取模块,被配置为用于获取修正对象以及修正对象的飞行数据,所述修正对象为一种飞行器,所述飞行数据包括:飞行高度、飞行地理位置、飞行时间;
第一检索模块,被配置为用于按照第一检索规则在预先构建的修正数据库中检索与所述修正对象相匹配的第一结冰事件,所述第一检索规则要求所述修正对象的飞行数据与所述第一结冰事件所对应的事件高度、事件地理位置、事件发生时间之间的差值属于第一预设阈值范围,且所述修正对象的飞行器类型与所述第一结冰事件所对应的飞行器类型相同;
检索分析模块,被配置为用于如果在第一检索模块中检索到与所述修正对象相匹配的第一结冰事件,则启用第一修正模块,所述第一修正模块被配置为用于获取预设的第一推荐修正系数;
如果在第一检索模块中未能检索到与所述修正对象相匹配的第一结冰事件,则启用第二检索模块;
第二检索模块,被配置为用于按照第二检索规则在所述修正数据库中检索与所述修正对象相近似的至少一个第二结冰事件,所述第二检索规则要求所述修正对象的飞行数据与所述第二结冰事件所对应的事件高度、事件地理位置之间的差值属于第二预设阈值范围,且所述修正对象的飞行器类型与所述第二结冰事件所对应的飞行器类型相同,所述飞行时间与对应的事件发生时间相同;
第二修正模块,被配置为用于将第二检索模块中所检索到的第二结冰事件的事件高度、事件地理位置输入至用于计算第二推荐修正系数的系数修正模型以获取得到所述第二推荐修正系数,且所述系数修正模型包括:
当且/>时,CICE=X2;
当且/>时,CICE=X3;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H1表示第一预设水平距离,H2表示第二预设水平距离,H3表示第三预设水平距离,且H1<H2<H3;D1表示第一预设垂直距离,D2表示第二预设垂直距离,D3表示第三预设垂直距离,且D1<D2<D3;CICE表示第二推荐修正系数,X2、X3表示对应的推荐值;
第三修正模块,被配置为用于将对应所获得的推荐修正系数输入至预设的结冰事件修正模型,且所述第三修正模块包括:
修正模型选择单元,被配置为用于根据所述修正对象在当前飞行环境下的垂直速度选择结冰事件修正模型;其中,当所述垂直速度为零或方向向上时,所述结冰事件修正模型为:
;
当所述垂直速度的方向向下时,所述结冰事件修正模型为:
;
其中,表示修正后的结冰潜势,/>表示初始的结冰潜势,/>表示过冷液态水含量,/>表示垂直速度,CICE为对应的推荐修正系数,a、b、c分别表示对应的模型系数;
修正预测单元,被配置为用于将对应所获得的推荐修正系数输入至所选择的结冰事件修正模型。
7.根据权利要求6所述的一种多气象要素融合的飞机结冰快速修正预测系统,其特征在于,还包括:
第三检索模块,被配置为用于如果在第一检索模块中或第二检索模块中未能检索到与所述修正对象相匹配或相似的结冰事件,则按照第三检索规则在所述修正数据库中检索与所述修正对象近似的至少一个第三结冰事件,且所述第三检索规则要求所述修正对象的结冰部件类型与所述第三结冰事件所对应的结冰部件类型相同,且所述修正对象所对应飞行地理位置处的地势形貌类型、气候类型中的至少一种类型与所述第三结冰事件相同;
第四修正模块,被配置为用于根据所述第三结冰事件的结冰强度确定第三推荐修正系数,其中结冰强度包括:轻度、中度、高度。
8.根据权利要求6所述的一种多气象要素融合的飞机结冰快速修正预测系统,其特征在于,所述系数修正模型还包括:
当且/>时,CICE=X4;
当且/>时,CICE=X5;
其中,DH表示事件地理位置与飞行地理位置之间的水平距离,DV表示事件高度与飞行高度之间的垂直距离,H3表示第三预设水平距离,H4表示第四预设水平距离,H5表示第五预设水平距离,且H3<H4<H5;D3表示第三预设垂直距离,D4表示第四预设垂直距离,D5表示第五预设垂直距离,且D3<D4<D5;CICE表示对应的第二推荐修正系数。
9.根据权利要求6所述的一种多气象要素融合的飞机结冰快速修正预测系统,其特征在于,所述飞行器类型包括以下一种或多种:平直翼飞机、梯形翼飞机、后掠翼飞机、三角翼飞机、变后掠翼飞机、前掠翼飞机、飞翼式飞机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311362639.XA CN117093953B (zh) | 2023-10-20 | 2023-10-20 | 一种多气象要素融合的飞机结冰快速修正预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311362639.XA CN117093953B (zh) | 2023-10-20 | 2023-10-20 | 一种多气象要素融合的飞机结冰快速修正预测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117093953A true CN117093953A (zh) | 2023-11-21 |
CN117093953B CN117093953B (zh) | 2023-12-19 |
Family
ID=88781589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311362639.XA Active CN117093953B (zh) | 2023-10-20 | 2023-10-20 | 一种多气象要素融合的飞机结冰快速修正预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117093953B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493738A (zh) * | 2023-12-28 | 2024-02-02 | 成都流体动力创新中心 | 一种基于结冰数值仿真的飞机结冰程度预报方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334983A (zh) * | 2018-01-22 | 2018-07-27 | 广西壮族自治区气象服务中心 | 基于gis和dem的广西输电线路覆冰预报与评估方法 |
CN110162888A (zh) * | 2019-05-24 | 2019-08-23 | 北京天泽智云科技有限公司 | 一种基于半监督式学习的风机叶片结冰检测的方法 |
CN110879127A (zh) * | 2019-11-29 | 2020-03-13 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于翼面的耦合式结冰探测装置及其方法 |
CN110963046A (zh) * | 2019-12-23 | 2020-04-07 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种确定无人机翼面结冰条件的方法 |
CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
US20220067542A1 (en) * | 2020-08-26 | 2022-03-03 | Northrop Grumman Systems Corporation | Machine-learning-based predictive ice detection |
CN114358401A (zh) * | 2021-12-21 | 2022-04-15 | 湖北工业大学 | 一种融合图像和气象环境数据的道路结冰识别方法 |
CN114549914A (zh) * | 2022-04-24 | 2022-05-27 | 中国民航大学 | 一种飞机大面积结冰检测方法及检测系统 |
CN114906345A (zh) * | 2022-07-18 | 2022-08-16 | 中国民航大学 | 一种飞机集中除冰方法、系统、除冰车及存储介质 |
CN114970308A (zh) * | 2021-12-30 | 2022-08-30 | 成都流体动力创新中心 | 一种飞机结冰预测方法、系统及计算机程序产品 |
CN115718993A (zh) * | 2022-11-24 | 2023-02-28 | 华风气象传媒集团有限责任公司 | 一种飞机积冰sfip指数优化调整方法及系统 |
CN115857059A (zh) * | 2022-11-24 | 2023-03-28 | 中国民航科学技术研究院 | 一种积冰预报管理方法、系统、可读存储介质和设备 |
CN115880497A (zh) * | 2022-12-22 | 2023-03-31 | 上海交通大学 | 基于自编码器结合多层感知机的翼型结冰冰形预测方法 |
CN115936494A (zh) * | 2022-11-28 | 2023-04-07 | 中国商用飞机有限责任公司 | 民用飞机积冰诊断方法、系统、设备及存储介质 |
CN116383646A (zh) * | 2023-03-30 | 2023-07-04 | 华风气象传媒集团有限责任公司 | 一种基于qar数据的飞机积冰案例识别方法 |
-
2023
- 2023-10-20 CN CN202311362639.XA patent/CN117093953B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334983A (zh) * | 2018-01-22 | 2018-07-27 | 广西壮族自治区气象服务中心 | 基于gis和dem的广西输电线路覆冰预报与评估方法 |
CN110162888A (zh) * | 2019-05-24 | 2019-08-23 | 北京天泽智云科技有限公司 | 一种基于半监督式学习的风机叶片结冰检测的方法 |
CN110879127A (zh) * | 2019-11-29 | 2020-03-13 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于翼面的耦合式结冰探测装置及其方法 |
CN110963046A (zh) * | 2019-12-23 | 2020-04-07 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种确定无人机翼面结冰条件的方法 |
CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
US20220067542A1 (en) * | 2020-08-26 | 2022-03-03 | Northrop Grumman Systems Corporation | Machine-learning-based predictive ice detection |
CN114358401A (zh) * | 2021-12-21 | 2022-04-15 | 湖北工业大学 | 一种融合图像和气象环境数据的道路结冰识别方法 |
CN114970308A (zh) * | 2021-12-30 | 2022-08-30 | 成都流体动力创新中心 | 一种飞机结冰预测方法、系统及计算机程序产品 |
CN114549914A (zh) * | 2022-04-24 | 2022-05-27 | 中国民航大学 | 一种飞机大面积结冰检测方法及检测系统 |
CN114906345A (zh) * | 2022-07-18 | 2022-08-16 | 中国民航大学 | 一种飞机集中除冰方法、系统、除冰车及存储介质 |
CN115718993A (zh) * | 2022-11-24 | 2023-02-28 | 华风气象传媒集团有限责任公司 | 一种飞机积冰sfip指数优化调整方法及系统 |
CN115857059A (zh) * | 2022-11-24 | 2023-03-28 | 中国民航科学技术研究院 | 一种积冰预报管理方法、系统、可读存储介质和设备 |
CN115936494A (zh) * | 2022-11-28 | 2023-04-07 | 中国商用飞机有限责任公司 | 民用飞机积冰诊断方法、系统、设备及存储介质 |
CN115880497A (zh) * | 2022-12-22 | 2023-03-31 | 上海交通大学 | 基于自编码器结合多层感知机的翼型结冰冰形预测方法 |
CN116383646A (zh) * | 2023-03-30 | 2023-07-04 | 华风气象传媒集团有限责任公司 | 一种基于qar数据的飞机积冰案例识别方法 |
Non-Patent Citations (4)
Title |
---|
FIKRET CALISKAN等: "A review of in-flight detection and identification of aircraft icing andreconfigurable control", 《PROGRESS IN AEROSPACE SCIENCES》, vol. 60, pages 12 - 34, XP028556140, DOI: 10.1016/j.paerosci.2012.11.001 * |
刘国强等: "直升机旋翼桨叶结冰气动特性分析", 《航空科学技术》, vol. 27, no. 8, pages 7 - 11 * |
王洪伟等: "通用飞机结冰适航验证关键技术及工程应用", 《航空学报》, vol. 37, no. 1, pages 335 - 350 * |
葛思源等: "四种飞机积冰预报方法的比较与分析", 《价值工程》, pages 226 - 228 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493738A (zh) * | 2023-12-28 | 2024-02-02 | 成都流体动力创新中心 | 一种基于结冰数值仿真的飞机结冰程度预报方法及系统 |
CN117493738B (zh) * | 2023-12-28 | 2024-04-05 | 成都流体动力创新中心 | 一种基于结冰数值仿真的飞机结冰程度预报方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117093953B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11635545B2 (en) | Real-time weather forecasting for transportation systems | |
US8600588B2 (en) | Meteorological data selection along an aircraft trajectory | |
CA2781863C (en) | Weather data selection relative to an aircraft trajectory | |
US8868345B2 (en) | Meteorological modeling along an aircraft trajectory | |
CN117093953B (zh) | 一种多气象要素融合的飞机结冰快速修正预测方法和系统 | |
WO2019126707A1 (en) | Improved real-time weather forecasting system | |
JP5255857B2 (ja) | 乱気流予測システムおよび乱気流予測方法 | |
US11094206B2 (en) | Vertical flightpath optimization | |
CN115857059B (zh) | 一种积冰预报管理方法、系统、可读存储介质和设备 | |
EP4170385A1 (en) | Weather radar short-term forecast for in-flight cockpit displays | |
Averyanova et al. | Weather hazards analysis for small UASs durability enhancement | |
GB2529271A (en) | Meteorological hazard identification apparatus, moving craft and methods | |
CN115718993A (zh) | 一种飞机积冰sfip指数优化调整方法及系统 | |
Kelsch et al. | Comparing PIREPs with NAWAU turbulence and icing forecasts: Issues and results | |
Carriere et al. | Statistical verification of forecast icing risk indices | |
Wang et al. | Airport delay prediction method based on improved weather impacted traffic index | |
Li et al. | Research on Machine Learning-based Nowcasting Method for Low Visibility Weather in Urumqi Airport | |
Tendel | Warning of in-flight icing risk through fusion of satellite products, ground observations, and model forecasts | |
US20230326354A1 (en) | Method and system for determining improved flight trajectory | |
Wicke et al. | Impact of cloud encounter mitigation procedures on operational and economic effectiveness of HLFC aircraft | |
Serafino | Aircraft trajectory optimization for weather avoidance and emission reduction applications | |
CN115858617A (zh) | 一种航空运行大数据分析与预测的方法和系统 | |
Orfila Rovira | Optimization of Air Transport in the Presence of Convective Weather | |
Politovich et al. | 7.1 ISSUES IN FORECASTING ICING SEVERITY | |
Padhra et al. | The impacts of climate change on aircraft noise near airports |
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 |