CN117104529A - 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统 - Google Patents
一种应用于飞机过冷大水滴结冰的潜势预报方法及系统 Download PDFInfo
- Publication number
- CN117104529A CN117104529A CN202311368945.4A CN202311368945A CN117104529A CN 117104529 A CN117104529 A CN 117104529A CN 202311368945 A CN202311368945 A CN 202311368945A CN 117104529 A CN117104529 A CN 117104529A
- Authority
- CN
- China
- Prior art keywords
- icing
- prediction mode
- prediction
- aircraft
- model
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 67
- 238000013277 forecasting method Methods 0.000 title claims description 5
- 238000001556 precipitation Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 53
- 239000005457 ice water Substances 0.000 claims description 19
- 239000007788 liquid Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000003745 diagnosis Methods 0.000 description 11
- 230000008014 freezing Effects 0.000 description 9
- 238000007710 freezing Methods 0.000 description 9
- 239000013526 supercooled liquid Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012774 diagnostic algorithm Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及结冰预测领域,具体涉及一种应用于飞机过冷大水滴结冰的潜势预报方法及系统。方法包括:判断当前飞机所处的结冰状态是否为第一类预测模式;当结冰状态属于第一类预测模式时,获取飞机所处的目标飞行区域的第一气象特征集,第一气象特征集包括:总降水量,对流降水量;判断第一气象特征集是否符合第一判别模型,若是则第一类预测模式为一级预测模式,若否则第一类预测模式为二级预测模式;根据结冰状态、相对湿度和云顶温度选取相对应的结冰潜势预测模型。本发明采用有限气象特征组合,针对难以准确观测到过冷水的场景进行快速地多级决策,从而为飞机航行选用适用度最高的潜势预测模式,大大提高了结冰预报的准确性和可靠性。
Description
技术领域
本发明涉及飞机结冰预测领域,具体涉及一种应用于飞机过冷大水滴结冰的潜势预报方法及系统。
背景技术
飞机结冰预测是飞机结冰研究中的重要组成部分,采用数值预报模式结合结冰预报算法判断结冰发生情况已成为结冰预测的主流方法。目前国内常使用国际民航组织推荐的飞机结冰指数Ic算法,国外常见的结冰预报算法主要还有RAOB、CIP、FIP等方法。
其中,当飞机在航行过程中遭遇过冷大水滴时,SLD飞机结冰诊断方法也能够对飞机结冰情况进行一定程度的评估。Cober等人通过对冻雨等天气现象的观测确定了一些可能有利于SLD存在的气象状态(参见Cober, Stewart G.,Isaac, George A.,Strapp, J.Walter. Characterizations of Aircraft Icing Environments that IncludeSupercooled Large Drops[J]. Journal of Applied Meteorology.2001,40(11):1984.)。
进一步地,Bernstein 等人还提出了一种过冷大水滴预报算法(参见Bernstein BC, Mcdonough F, Politovich M K, et al. Current Icing Potential: AlgorithmDescription and Comparison with Aircraft Observations[J]. Journal of AppliedMeteorology, 2010, 44(7):969-986.),该文献资料公开了一种根据不同天气情况进行结冰诊断计算的方法。其中,该方法可以通过人工观测的方式判断当前的天气情况,如在人工观测到冻雨时,则选用以下诊断模型:
当CTT<-30℃时,;
当CTT>-30℃时,;
而在人工未观测到冻雨时,则选用以下诊断模型:
。
然而,飞机在实际飞行过程中所面临的气候环境非常复杂,这种借助人工观测冻雨数据所实现的结冰潜势诊断方法,在实际结冰诊断中可能存在较高的误报率。
因此,当前亟需一种能够降低误报率的结冰潜势预测方法。
发明内容
本发明的目的在于提供一种应用于飞机过冷大水滴结冰的潜势预报方法及系统,部分地解决或缓解现有技术中的上述不足,能够提高积冰预测的准确性和可靠性。
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:
本发明的第一方面,在于提供一种应用于飞机过冷大水滴结冰的潜势预报方法,包括步骤:
S101判断当前飞机所处的结冰状态是否为第一类预测模式,所述第一类预测模式包括:非过冷水降水天气;
S102当所述结冰状态属于所述第一类预测模式时,获取所述飞机所处的目标飞行区域的第一气象特征集,所述第一气象特征集包括:总降水量,对流降水量;
S103判断所述第一气象特征集是否符合第一判别模型,若是,则所述第一类预测模式为一级预测模式,若否,则所述第一类预测模式为二级预测模式;其中,所述第一判别模型为:
;
其中,表示总降水量,、分别表示最大总降水判定值,最小总降水量判定
值,表示对流降水量;、分别表示最大对流降水量判定值,最小对流降水量判定值;
S104当所述第一类预测模式为一级预测模式时,根据所述结冰状态、相对湿度和云顶温度从预设的过冷大水滴的结冰预测模型库中选取相对应的结冰潜势预测模型。
在一些实施例中,所述结冰预测模型库包括:第一预测模型,和/或第二预测模型;其中,
所述第一预测模型为:;
所述第二预测模型为:;
其中,、分别表示对应的结冰潜势,表示气温与飞机结冰的
隶属度关系系数,表示所述飞机所处目标飞行区域的云顶温度,表示所述云顶温
度与飞机结冰的隶属关系系数,表示修正系数。
在一些实施例中,当所述第一类预测模式为二级预测模式时,相应地,所述方法还包括步骤:
S105获取所述目标飞行区域的第二气象特征集,且所述第二气象特征集包括:冰水混合比、云中液态水含量;
S106判断所述第二气象特征集是否符合第二判别模型,若是,则所述二级预测模式属于第一二级预测模式,若否,则所述二级预测模式属于第二二级预测模式;其中,所述第二判别模型为:
Na≤α,其中,α∈[40%,60%];
Nb≥β,其中,β∈[0.01g/m3,+∞);
其中,Na表示冰水混合比,α表示预设的冰水混合判定值,Nb表示云中液态水含量,β表示预设的云中液态水含量判定值;
S107当所述结冰状态属于所述第一二级预测模式时,选取所述第二预测模型作为
当前的结冰潜势预测模型,且此时修正系数的设定范围为:0.6-0.8。
在一些实施例中,S101包括步骤:
S11获取所述目标飞行区域的第三气象特征集和第四气象特征集,且所述第三气象特征集包括:目标飞行区域的当前气压,地面气压,所述第四气象特征集包括:地面温度,地面温度露点差;
S12通过第三气象特征集计算对应层的层结曲线气温误差Er;
S13通过所述层结曲线气温误差、所述第四气象特征集判断所述结冰状态是否属于第一类预测模式;
其中,当所述层结曲线气温误差属于第一预设阈值范围,所述地面温度属于第二预设阈值范围,且所述地面露点温度差属于第三预设阈值范围时,则所述结冰状态为第二类预测模式,若否,则所述结冰状态为所述第一类预测模式。
在一些实施例中,所述第二预设阈值范围为:[-7℃,0℃]。
在一些实施例中,S104包括:
获取所述目标飞行区域的第五气象特征集,且所述第五气象特征集包括:目标飞行区域的比湿、气压、气温;
将所述第五气象特征集输入预设的相对湿度反算模型以反算出本层相对湿度和上层相对湿度,其中,所述相对湿度反算模型为:
;
其中,RH表示对应层的相对湿度,q表示对应层的比湿,P为对应层的气压,T为对应层的气温;
根据本层相对湿度和上层相对湿度确定云顶温度;
根据结冰状态和所述云顶温度从所述结冰预测模型库中选取所述结冰潜势预测模型。
在一些实施例中,所述结冰预测模型库还包括:第三预测模型,且所述第三预测模型为:
;
其中,表示对应的结冰潜势,表示气温与飞机结冰的隶属度关系系
数,表示所述飞机所处目标飞行区域的云顶温度,表示所述云顶温度与飞机结冰
的隶属关系系数,表示第二预设云顶温度判定值;
且当所述结冰状态属于第二类结冰模式时,选择所述第三预测模型作为当前的结冰潜势预测模型。
本发明还对应地提供了一种应用于飞机过冷大水滴结冰的潜势预报系统,包括:
第一模式判断模块,被配置为用于判断当前飞机所处的结冰状态是否为第一类预测模式,所述第一类预测模式包括:非过冷水降水天气;
第一特征获取模块,被配置为用于当所述结冰状态属于所述第一类预测模式时,获取所述飞机所处的目标飞行区域的第一气象特征集,所述第一气象特征集包括:总降水量,对流降水量;
第二模式判断模块,被配置为用于判断所述第一气象特征集是否符合第一判别模型,若是,则所述第一类预测模式为一级预测模式,若否,则所述第一类预测模式为二级预测模式;其中,所述第一判别模型为:
;
其中,表示总降水量,、分别表示最大总降水判定值,最小总降水量判定
值,表示对流降水量;、分别表示最大对流降水量判定值,最小对流降水量判定值;
预测模型选取模块,被配置为用于当所述第一类预测模式为一级预测模式时,根据所述结冰状态、相对湿度和云顶温度从预设的过冷大水滴的结冰预测模型库中选取相对应的结冰潜势预测模型。
在一些实施例中,所述结冰预测模型库包括:第一预测模型,和/或第二预测模型;其中,
所述第一预测模型为:;
所述第二预测模型为:;
其中,、表示对应的结冰潜势,表示气温与飞机结冰的隶属
度关系系数,表示所述飞机所处目标飞行区域的云顶温度,表示所述云顶温度与
飞机结冰的隶属关系系数,表示修正系数。
在一些实施例中,当所述第一类预测模式为二级预测模式时,相应地,所述系统还包括:
第二特征获取模块,被配置为用于获取所述目标飞行区域的第二气象特征集,且所述第二气象特征集包括:冰水混合比、云中液态水含量;
第三模式判断模块,被配置为用于判断所述第二气象特征集是否符合第二判别模型,若是,则所述二级预测模式属于第一二级预测模式,若否,则所述二级预测模式属于第二二级预测模式;其中,所述第二判别模型为:
Na≤α,其中,α∈[40%,60%];
Nb≥β,其中,β∈[0.01g/m3,+∞);
其中,Na表示冰水混合比,α表示预设的冰水混合判定值,Nb表示云中液态水含量,β表示预设的云中液态水含量判定值;
当所述结冰状态属于所述第一二级预测模式时,选取所述第二预测模型作为当前
的结冰潜势预测模型,且此时修正系数的设定范围为:0.6-0.8。
有益技术效果:
本发明针对飞机所处的第一类预测模式M(优选为非过冷水降水天气),分别选取了多组不同的有限气象特征组合,以针对第一类预测模式的结冰状态进行快速诊断与多级评估,并分别针对其一级预测模式MI和二级预测模式MII进行对应的判断区分和预测模型选取。
这种通过有限判据所实现的多级决策方法,能够在难以精准观测过冷水的情况下(如非冻雨、非冻雾等天气),对飞机当前所处的结冰状态进行快速诊断,进而结合气象条件为飞机推荐最佳的结冰潜势预报模型。
换句话说,本发明提供了一种自动化的预测模型推荐方法,以便于在复杂气候条件下,辅助用户快速地实现结冰潜势的准确预报。
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的潜势预报方法的步骤流程示意图;
图2为本发明一示例性实施例中的气温、云顶温度与飞机结冰的隶属度关系示意图;
图3为1994年10月31日印第安纳州罗斯朗市(41.25°N,87.5°W)Ic_SLD结冰潜势时序剖面图;
图4为1994年10月31日印第安纳州罗斯朗市(41.25°N,87.5°W)气温-湿度时序剖面图;
图5为本发明一示例性实施例中的潜势预报系统的模块结构示意图。
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。
本文中,“过冷大水滴”一般是指平均水滴直径(MVD)大于大约50um的过冷水滴。本文中,过冷大水滴也可以被称为过冷水。
当飞机遭遇过冷大水滴时,具有独特的动力学行为,即变形与破碎、飞溅与反弹,该行为造成飞机结冰形状和积冰位置与过冷小水滴具有较大差距,引起飞机空气动力学特征严重退化,影响飞行安全。基于过冷大水滴的结冰潜势预测对于民航运行安全和未来大飞机完成型号取证试飞至关重要,错误的结冰潜势预测将严重地影响试飞进度和效率,甚至可能对飞机的航行安全造成重大干扰。
Bernstein等人在CIP的基础上结合多源观测资料开发了过冷大水滴诊断算法。该算法以是否出现过冷水降雨为分界线,分别采用不同的诊断模型进行结冰诊断。然而,这种过冷大水滴诊断算法依赖于大量观测数据,无法实现过冷大水滴结冰模式的精准预测。
为了提高结冰潜势预测的可靠性和准确性,本发明提供了一种根据有限判据(或者说,有限气象特征组合)所实现的多级决策方法,从而对飞机的结冰状态进行快速诊断,以便于在复杂气候条件下向用户推荐最佳的结冰预测模型。
实施例一
如图1所示,本发明提供了一种应用于飞机过冷大水滴结冰的潜势预报方法,包括步骤:
S101判断当前飞机所处的结冰状态是否为第一类预测模式,第一类预测模式M包括:非过冷水降水天气。
S102当结冰状态属于第一类预测模式M时,获取飞机所处的目标飞行区域的第一气象特征集,第一气象特征集包括:总降水量,对流降水量。
S103判断第一气象特征集是否符合第一判别模型,若是,则第一类预测模式M为一级预测模式MI,若否,则第一类预测模式为二级预测模式MII;其中,第一判别模型为:
;
其中,表示总降水量,、分别表示最大总降水判定值,最小总降水量判定
值,表示对流降水量;、分别表示最大对流降水量判定值,最小对流降水量判定值。
例如,在一些实施例中,第一判别模型为:
0.1mm/h≤总降水量≤5mm/h;
0 mm/h≤对流降水量≤0.1mm/h。
S104当所述第一类预测模式为一级预测模式时,根据结冰状态、相对湿度和云顶温度选取相对应的结冰潜势预测模型。
例如,在一些实施例中,步骤S104为:根据所述结冰状态、相对湿度和云顶温度从预设的过冷大水滴的结冰预测模型库中选取相对应的结冰潜势预测模型(或者说,预报模型)。
本实施例中所提供的结冰状态判别方法可以在复杂天气状况下(如难以观测到是否存在过冷水时,或者难以准确观测过冷水含量时),利用有限性气象特征(即总降水量和对流降水量)对飞机所处的结冰状态(或者说,结冰预测模式)进行快速评估,进而能够向用户推荐适用的结冰潜势预测模型。
在一些实施例中,结冰预测模型库包括:第一预测模型,和/或第二预测模型;其中,
第一预测模型为:
;
第二预测模型为:
;
其中,、表示对应的结冰潜势,表示气温与飞机结冰的隶属
度关系系数,表示飞机所处目标飞行区域的云顶温度,表示云顶温度与飞机结冰
的隶属关系系数,表示修正系数。
进一步地,在一些实施例中,当第一类预测模式M为二级预测模式MII时,相应地,方法还包括步骤:
S105获取目标飞行区域的第二气象特征集,且第二气象特征集包括:冰水混合比、云中液态水含量。
S106判断第二气象特征集是否符合第二判别模型,若是,则二级预测模式MII属于第一二级预测模式MII-1,若否,则二级预测模式属于第二二级预测模式MII-2;其中,第二判别模型为:
Na≤α,其中,α∈[40%,60%];
Nb≥β,其中,β∈[0.01g/m3,+∞);
其中,Na表示冰水混合比,α表示预设的冰水混合判定值,Nb表示云中液态水含量,β表示预设的云中液态水含量判定值。
例如,在一些实施例中,当Na≤40%,且Nb≥0.01g/m3时,飞机的结冰状态属于第一二级预测模式MII-1。
S107当结冰状态属于第一二级预测模式MII-1时,选取第二预测模型作为结冰潜
势预测模型,且此时修正系数的设定范围为:0.6-0.8。
本实施例中,采用冰水混合比与云中液态水含量共同对二级预测模式MII进行精准诊断,以针对真实飞行气候条件选取出最佳结冰潜势预测模型。
在一些实施例中,S101包括步骤:
S11获取目标飞行区域的第三气象特征集和第四气象特征集,且第三气象特征集包括:目标飞行区域的当前气压,地面气压,第四气象特征集包括:地面温度,地面温度露点差;
S12通过第三气象特征集计算对应层(例如,由用户指定的气压高度层,或者飞机实际所处的气压高度层)的层结曲线气温误差Er;
S13通过层结曲线气温误差、第四气象特征集判断结冰状态是否属于第一类预测模式;
其中,当层结曲线气温误差属于第一预设阈值范围,地面温度属于第二预设阈值范围,且地面露点温度差属于第三预设阈值范围时,结冰状态为第二类预测模式N;否则,所述结冰状态为第一类预测模式。
在一些实施例中,第二预设阈值范围为:[-7℃,0℃]。
需要说明的是,针对第一、第二类预测模式的判断方法既可以采用人工判断方式,也可以采用自动化判断方式,本发明不做限制。
例如,在一些实施例中,可以采用人工观测方式对第一类预测模式M、第二类预测模式N进行初步地诊断区分。
例如,在一些实施例中,当在地面观测到冻雨、冻雾等天气时,则通常认为飞机的结冰状态处于第二类预测模式N。
又例如,在一些实施例中,层结曲线气温误差Er的计算模型为:
;
;
δ=(P-P0)/(Ps-P0);
其中,Ti表示指定气压高度层模式预报气温,n表示垂直方向上气压高度层数,ti表示指定气压高度层拟合气温;δ表示高空坐标,P表示当前气压,P0=400hPa,Ps表示地面气压。
在一些实施例中,当第三气象特征集和第四气象特征集满足以下条件时:
0.8≤Er≤8.5;
-7℃≤地面温度≤0℃;
0℃≤地面温度露点差≤2.5℃;
则判断为所述结冰状态处于第二类结冰模式N。
当所述结冰状态不属于第二类预测模式N时,则认为所述结冰状态属于第一类预测模式M。
在一些实施例中,第二类预测模式N所对应的典型天气为:过冷水降水天气现象,如冻雨、冻雾等天气。
又例如,在另一些实施例中,对于第二类预测模式的判定可以部分地参考以下现有文献资料:牛璐,王国复,黄菲.中国冻雨潜在发生指数在数值产品中的推广应用[J].气象与环境科学, 2015, 38(2).DOI:10.3969/j.issn.1673-7148.2015.02.017.
在一些实施例中,本方法所选用的一个或多个气象特征的数值可以从ERA5中采集得到。
在一些实施例中,本方法所选用的一个或多个气象特征如比湿、气温、气压、总降水量、对流降水量、露点温度数据均可为全球大气预报模式直接输出的气象参数。
在一些实施例中,S104包括:
获取目标飞行区域的第五气象特征集,且第五气象特征集包括:目标飞行区域的比湿、气压、气温;
将第五气象特征集输入预设的相对湿度反算模型以反算出本层相对湿度和上层相对湿度,其中,相对湿度反算模型为:
;
其中,RH表示对应层(例如,本层或者上层)的相对湿度,q表示对应层的比湿,P为对应层的气压(也即当前气压),T为对应层的温度;
根据本层相对湿度和上层相对湿度确定云顶温度;
根据结冰状态和云顶温度确定结冰潜势预测模型。
在一些实施例中,当飞机的结冰状态处于一级预测模式MI时,则选用步骤S104对其进行进一步地诊断。
优选地,本发明采用反算方式对原始比湿等数据进行反向求解,以计算出仅考虑过冷液态水的相对湿度RH,并采用仅考虑过冷液态水的相对湿度RH进行后续的结冰状态判断,从而提高状态判断的准确性。
在一些实施例中,当计算出的本层相对湿度≥预设湿度判定值,且上层的相对湿度≤预设湿度判定值时,选择本层的气温作为云顶温度CTT。
在一些实施例中,预设湿度判定值可以为84%。
在一些实施例中,当所述结冰状态处于一级预测模式MI时,且云顶温度>第一预设云顶温度判定值时,则可以选择第一预测模型作为当前的结冰潜势预测模型。
而当所述结冰状态处于一级预测模式MI,且云顶温度≤第一预设云顶温度判定值时,则提示用户当前的结冰潜势预测模式不可用,需要选取其他的结冰潜势预测模型或结冰潜势预测方法。
在一些实施例中,第一预设云顶温度判定值可以为大约-12℃。
在一些实施例中,结冰预测模型库还包括:第三预测模型,且当结冰状态处于第二类结冰预测模式N时,则推荐用户选用第三预测模型。
第三预测模型为:
;
其中,表示对应的结冰潜势,表示气温与飞机结冰的隶属度关系系
数,表示飞机所处目标飞行区域的云顶温度,表示云顶温度与飞机结冰的隶属关
系系数,T1为第二预设云顶温度判定值。
在一些实施例中,T1大约为-30℃。
在一些实施例中,MT和MCTT是气温、云顶温度与结冰的隶属度关系系数。且MT和MCTT可以从气温、云顶温度与飞机结冰的隶属度关系图中获取得到。其中,隶属度关系图(或者说,定量关系图)可以直接基于云微物理参数和航空器报告得出,如图2所示。
在一些实施例中,可以设置不同气温和云顶温度的区间间隔,统计SLD飞机结冰条件下该区间间隔的样本数,再进行归一化处理,得到0~1的相关隶属度曲线。当CTT≤-30℃时,结冰仅与环境中气温隶属度有关,且仅为其1/4,此时过冷的云顶为冰晶的发展提供了较好的条件,抑制了过冷水的生成。当CTT>-30℃时,云层中碰撞-合并过程是活跃的,在该条件下易发生SLD飞机结冰。
为了对本发明的潜势预报的可靠性进行验证,本发明选用1994年10月31日,一架ATR-72飞机在印第安纳州罗斯朗附近遭遇过冷大水滴坠事件进行计算。民航事故调查报告显示,在1994年10月31日18-22时(UTC),该飞机在10000英尺遭遇了过冷大水滴,并造成极强结冰导致发动机功率下降、螺旋桨速度降到86%,导致飞机失控坠毁。
图3 为1994年10月31日印第安纳州罗斯朗市(41.25°N,87.5°W)Ic_SLD结冰潜势时序剖面图。其中,图中的填色代表Ic_SLD潜势大小,数值越高代表飞机遭遇SLD可能性越大。
图4为 1994年10月31日印第安纳州罗斯朗市(41.25°N,87.5°W)气温-湿度时序剖面图。其中,等值线代表气温数值,单位为℃;填色代表相对湿度大小。
综合图3和图4可以看出,1994年10月31日印第安纳州罗斯朗附近存在较好的SLD飞机结冰条件,特别是17-21时(UTC),在850-600hPa存在SLD飞机结冰极大值区。从温湿度剖面看(图4),1994年10月31日印第安纳州罗斯朗附近相对湿度接近饱和,云层较厚,18时后,云层逐渐分裂为两层,下层云云顶高度约500hPa,云顶温度-15℃。出现的较暖云顶提供了较少的自然冰晶,为过冷液态水的生成和维持提供了较好的条件。
经过验证,图3所示的结冰潜势预测结果与ATR-72飞机的实际结冰情况高度重合。换句话说,本发明所提供的基于有限判据所实现的多级决策方法,在应用于飞机结冰潜势预报时具有较高的可靠性与准确性。
实施例二
如图5所示,本发明还提供了一种应用于飞机过冷大水滴结冰的潜势预报系统,包括:
第一模式判断模块10,被配置为用于判断当前飞机所处的结冰状态是否为第一类预测模式,所述第一类预测模式包括:非过冷水降水天气;
第一特征获取模块20,被配置为用于当所述结冰状态属于所述第一类预测模式时,获取所述飞机所处的目标飞行区域的第一气象特征集,所述第一气象特征集包括:总降水量,对流降水量;
第二模式判断模块30,被配置为用于判断所述第一气象特征集是否符合第一判别模型,若是,则所述第一类预测模式为一级预测模式,若否,则所述第一类预测模式为二级预测模式;其中,所述第一判别模型为:
;
其中,表示总降水量,、分别表示最大总降水判定值,最小总降水量判定
值,表示对流降水量;、表示最大对流降水量判定值,最小对流降水量判定值;
预测模型选取模块40,被配置为用于当所述第一类预测模式为一级预测模式时,根据所述结冰状态、相对湿度和云顶温度从预设的过冷大水滴的结冰预测模型库中选取相对应的结冰潜势预测模型。
在一些实施例中,所述结冰预测模型库包括:第一预测模型,和/或第二预测模型;其中,
所述第一预测模型为:;
所述第二预测模型为:;
其中,、表示对应的结冰潜势,表示气温与飞机结冰的隶属
度关系系数,表示所述飞机所处目标飞行区域的云顶温度,表示所述云顶温度与
飞机结冰的隶属关系系数,表示修正系数。
在一些实施例中,当所述第一类预测模式为二级预测模式时,相应地,所述系统还包括:
第二特征获取模块50,被配置为用于获取所述目标飞行区域的第二气象特征集,且所述第二气象特征集包括:冰水混合比、云中液态水含量;
第三模式判断模块60,被配置为用于判断所述第二气象特征集是否符合第二判别模型,若是,则所述二级预测模式属于第一二级预测模式,若否,则所述二级预测模式属于第二二级预测模式;其中,所述第二判别模型为:
Na≤α,其中,α∈[40%,60%];
Nb≥β,其中,β∈[0.01g/m3,+∞);
其中,Na表示冰水混合比,α表示预设的冰水混合判定值,Nb表示云中液态水含量,β表示预设的云中液态水含量判定值;
当所述结冰状态属于所述第一二级预测模式时,选取所述第二预测模型作为结冰
潜势预测模型,且此时修正系数的设定范围为:0.6-0.8。
在一些实施例中,第一模式判断模块10包括:
第一特征获取单元11,被配置为用于获取所述目标飞行区域的第三气象特征集和第四气象特征集,且所述第三气象特征集包括:目标飞行区域的当前气压,地面气压,所述第四气象特征集包括:地面温度,地面温度露点差;
层结曲线气温误差计算单元12,被配置为用于通过第三气象特征集计算对应层的层结曲线气温误差Er;
结冰模式判断单元13,被配置为用于通过所述层结曲线气温误差、所述第四气象特征集判断所述结冰状态是否属于第一类预测模式;
其中,当所述层结曲线气温误差属于第一预设阈值范围,所述地面温度属于第二预设阈值范围,且所述地面露点温度差属于第三预设阈值范围时,所述结冰状态为第二类预测模式,若否,则所述结冰状态为所述第一类预测模式。
在一些实施例中,所述第二预设阈值范围为:[-7℃,0℃]。
在一些实施例中,预测模型选取模块40包括:
第二特征获取单元41,被配置为用于获取所述目标飞行区域的第五气象特征集,且所述第五气象特征集包括:目标飞行区域的比湿、气压、气温;
相对湿度反算单元42,被配置为用于将所述第五气象特征集输入预设的相对湿度反算模型以反算出本层相对湿度和上层相对湿度,其中,所述相对湿度反算模型为:
;
其中,RH表示对应层的相对湿度,q表示对应层的比湿,P为对应层的气压,T为对应层的温度;
云顶温度确定单元43,被配置为用于根据本层相对湿度和上层相对湿度确定云顶温度;
预测模型选取单元44,被配置为用于根据结冰状态和所述云顶温度确定所述结冰潜势预测模型。
在一些实施例中,所述结冰潜势预测模型还包括:第三预测模型,且所述第三预测模型为:
;
其中,表示对应的结冰潜势,表示气温与飞机结冰的隶属度关系系
数,表示所述飞机所处目标飞行区域的云顶温度,表示所述云顶温度与飞机结冰
的隶属关系系数。
需要说明的是,本发明中的潜势预报系统可以实现上述实施例中任一方法步骤,此处不再赘述。
需要说明的是,本发明中所采用的判定值、修正系数以及预设阈值范围等等参数还可以由用户结合实际飞行需求进行自适应地调整和设定。
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 (10)
1.一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,包括步骤:
S101判断当前飞机所处的结冰状态是否为第一类预测模式,所述第一类预测模式包括:非过冷水降水天气;
S102当所述结冰状态属于所述第一类预测模式时,获取所述飞机所处的目标飞行区域的第一气象特征集,所述第一气象特征集包括:总降水量,对流降水量;
S103判断所述第一气象特征集是否符合第一判别模型,若是,则所述第一类预测模式为一级预测模式,若否,则所述第一类预测模式为二级预测模式;其中,所述第一判别模型为:
;
其中,表示总降水量,/>、/>分别表示最大总降水判定值,最小总降水量判定值,/>表示对流降水量;/>、/>分别表示最大对流降水量判定值,最小对流降水量判定值;
S104当所述第一类预测模式为一级预测模式时,根据所述结冰状态、相对湿度和云顶温度从预设的过冷大水滴的结冰预测模型库中选取相对应的结冰潜势预测模型。
2.根据权利要求1所述的一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,所述结冰预测模型库包括:第一预测模型,和/或第二预测模型;其中,
所述第一预测模型为:;
所述第二预测模型为:;
其中,、/>分别表示对应的结冰潜势,/>表示气温与飞机结冰的隶属度关系系数,/>表示所述飞机所处目标飞行区域的云顶温度,/>表示所述云顶温度与飞机结冰的隶属关系系数,/>表示修正系数。
3.根据权利要求2所述的一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,当所述第一类预测模式为二级预测模式时,相应地,所述方法还包括步骤:
S105获取所述目标飞行区域的第二气象特征集,且所述第二气象特征集包括:冰水混合比、云中液态水含量;
S106判断所述第二气象特征集是否符合第二判别模型,若是,则所述二级预测模式属于第一二级预测模式,若否,则所述二级预测模式属于第二二级预测模式;其中,所述第二判别模型为:
Na≤α,其中,α∈[40%,60%];
Nb≥β,其中,β∈[0.01g/m3,+∞);
其中,Na表示冰水混合比,α表示预设的冰水混合判定值,Nb表示云中液态水含量,β表示预设的云中液态水含量判定值;
S107当所述结冰状态属于所述第一二级预测模式时,选取所述第二预测模型作为当前的结冰潜势预测模型,且此时修正系数ψ的设定范围为:0.6-0.8。
4.根据权利要求1所述的一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,S101包括步骤:
S11获取所述目标飞行区域的第三气象特征集和第四气象特征集,且所述第三气象特征集包括:目标飞行区域的当前气压,地面气压,所述第四气象特征集包括:地面温度,地面温度露点差;
S12通过第三气象特征集计算对应层的层结曲线气温误差Er;
S13通过所述层结曲线气温误差、所述第四气象特征集判断所述结冰状态是否属于第一类预测模式;
其中,当所述层结曲线气温误差属于第一预设阈值范围,所述地面温度属于第二预设阈值范围,且所述地面温度露点差属于第三预设阈值范围时,则所述结冰状态为第二类预测模式,若否,则所述结冰状态为所述第一类预测模式。
5.根据权利要求4所述的一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,所述第二预设阈值范围为:[-7℃,0℃]。
6.根据权利要求1所述的一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,S104包括:
获取所述目标飞行区域的第五气象特征集,且所述第五气象特征集包括:目标飞行区域的比湿、气压、气温;
将所述第五气象特征集输入预设的相对湿度反算模型以反算出本层相对湿度和上层相对湿度,其中,所述相对湿度反算模型为:
;
其中,RH表示对应层的相对湿度,q表示对应层的比湿,P为对应层的气压,T为对应层的气温;
根据本层相对湿度和上层相对湿度确定云顶温度;
根据结冰状态和所述云顶温度从所述结冰预测模型库中选取所述结冰潜势预测模型。
7.根据权利要求2所述的一种应用于飞机过冷大水滴结冰的潜势预报方法,其特征在于,所述结冰预测模型库还包括:第三预测模型,且所述第三预测模型为:
;
其中,表示对应的结冰潜势,/>表示气温与飞机结冰的隶属度关系系数,表示所述飞机所处目标飞行区域的云顶温度,/>表示所述云顶温度与飞机结冰的隶属关系系数,/>表示第二预设云顶温度判定值;
且当所述结冰状态属于第二类结冰模式时,选择所述第三预测模型作为当前的结冰潜势预测模型。
8.一种应用于飞机过冷大水滴结冰的潜势预报系统,其特征在于,包括:
第一模式判断模块,被配置为用于判断当前飞机所处的结冰状态是否为第一类预测模式,所述第一类预测模式包括:非过冷水降水天气;
第一特征获取模块,被配置为用于当所述结冰状态属于所述第一类预测模式时,获取所述飞机所处的目标飞行区域的第一气象特征集,所述第一气象特征集包括:总降水量,对流降水量;
第二模式判断模块,被配置为用于判断所述第一气象特征集是否符合第一判别模型,若是,则所述第一类预测模式为一级预测模式,若否,则所述第一类预测模式为二级预测模式;其中,所述第一判别模型为:
;
其中,表示总降水量,/>、/>分别表示最大总降水判定值,最小总降水量判定值,/>表示对流降水量;/>、/>分别表示最大对流降水量判定值,最小对流降水量判定值;
预测模型选取模块,被配置为用于当所述第一类预测模式为一级预测模式时,根据所述结冰状态、相对湿度和云顶温度从预设的过冷大水滴的结冰预测模型库中选取相对应的结冰潜势预测模型。
9.根据权利要求8所述的一种应用于飞机过冷大水滴结冰的潜势预报系统,其特征在于,所述结冰预测模型库包括:第一预测模型,和/或第二预测模型;其中,
所述第一预测模型为:;
所述第二预测模型为:;
其中,、/>表示对应的结冰潜势,/>表示气温与飞机结冰的隶属度关系系数,/>表示所述飞机所处目标飞行区域的云顶温度,/>表示所述云顶温度与飞机结冰的隶属关系系数,/>表示修正系数。
10.根据权利要求9所述的一种应用于飞机过冷大水滴结冰的潜势预报系统,其特征在于,当所述第一类预测模式为二级预测模式时,相应地,所述系统还包括:
第二特征获取模块,被配置为用于获取所述目标飞行区域的第二气象特征集,且所述第二气象特征集包括:冰水混合比、云中液态水含量;
第三模式判断模块,被配置为用于判断所述第二气象特征集是否符合第二判别模型,若是,则所述二级预测模式属于第一二级预测模式,若否,则所述二级预测模式属于第二二级预测模式;其中,所述第二判别模型为:
Na≤α,其中,α∈[40%,60%];
Nb≥β,其中,β∈[0.01g/m3,+∞);
其中,Na表示冰水混合比,α表示预设的冰水混合判定值,Nb表示云中液态水含量,β表示预设的云中液态水含量判定值;
当所述结冰状态属于所述第一二级预测模式时,选取所述第二预测模型作为当前的结冰潜势预测模型,且此时修正系数ψ的设定范围为:0.6-0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368945.4A CN117104529B (zh) | 2023-10-23 | 2023-10-23 | 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368945.4A CN117104529B (zh) | 2023-10-23 | 2023-10-23 | 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117104529A true CN117104529A (zh) | 2023-11-24 |
CN117104529B CN117104529B (zh) | 2023-12-29 |
Family
ID=88796941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311368945.4A Active CN117104529B (zh) | 2023-10-23 | 2023-10-23 | 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117104529B (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 (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251341A1 (en) * | 2002-08-26 | 2005-11-10 | Dalsgaard Nielsen Aps | Method of determining the risk of ice deposition due to precipitation and apparatus for exercising the method |
FR2958622A1 (fr) * | 2010-04-09 | 2011-10-14 | Airbus Operations Sas | Procede et systeme de controle de la formation de glace sur un aeronef en vol. |
US20130175397A1 (en) * | 2012-01-05 | 2013-07-11 | The Boeing Company | Supercooled Large Drop Icing Condition Detection System |
US20160041304A1 (en) * | 2014-08-07 | 2016-02-11 | The Boeing Company | Ice crystal icing engine event probability estimation apparatus, system, and method |
US20180321386A1 (en) * | 2017-05-04 | 2018-11-08 | The Boeing Company | Light detection and ranging (lidar) ice detection system |
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 |
CN114676653A (zh) * | 2022-03-30 | 2022-06-28 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于机理模型的风机叶片结冰预测方法、装置及存储介质 |
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 |
KR102465090B1 (ko) * | 2022-09-02 | 2022-11-10 | 대한민국 | 레이더 기반 항공기 착빙 가능 영역 탐지 방법, 이를 수행하기 위한 기록매체 및 장치 |
CN115662196A (zh) * | 2022-11-10 | 2023-01-31 | 中科星图维天信(北京)科技有限公司 | 飞机积冰预报信息处理方法、装置、电子设备及存储介质 |
KR20230099817A (ko) * | 2021-12-28 | 2023-07-05 | 주식회사 미래기후 | 노면 온도 예측 모델을 이용한 블랙아이스 판단 방법 |
CN116662748A (zh) * | 2023-05-11 | 2023-08-29 | 国网湖南省电力有限公司 | 风机覆冰厚度的预测方法、预测装置、存储介质及处理器 |
-
2023
- 2023-10-23 CN CN202311368945.4A patent/CN117104529B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251341A1 (en) * | 2002-08-26 | 2005-11-10 | Dalsgaard Nielsen Aps | Method of determining the risk of ice deposition due to precipitation and apparatus for exercising the method |
FR2958622A1 (fr) * | 2010-04-09 | 2011-10-14 | Airbus Operations Sas | Procede et systeme de controle de la formation de glace sur un aeronef en vol. |
US20130175397A1 (en) * | 2012-01-05 | 2013-07-11 | The Boeing Company | Supercooled Large Drop Icing Condition Detection System |
US20160041304A1 (en) * | 2014-08-07 | 2016-02-11 | The Boeing Company | Ice crystal icing engine event probability estimation apparatus, system, and method |
US20180321386A1 (en) * | 2017-05-04 | 2018-11-08 | The Boeing Company | Light detection and ranging (lidar) ice detection system |
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 |
KR20230099817A (ko) * | 2021-12-28 | 2023-07-05 | 주식회사 미래기후 | 노면 온도 예측 모델을 이용한 블랙아이스 판단 방법 |
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 |
CN114676653A (zh) * | 2022-03-30 | 2022-06-28 | 中国华能集团清洁能源技术研究院有限公司 | 一种基于机理模型的风机叶片结冰预测方法、装置及存储介质 |
KR102465090B1 (ko) * | 2022-09-02 | 2022-11-10 | 대한민국 | 레이더 기반 항공기 착빙 가능 영역 탐지 방법, 이를 수행하기 위한 기록매체 및 장치 |
CN115662196A (zh) * | 2022-11-10 | 2023-01-31 | 中科星图维天信(北京)科技有限公司 | 飞机积冰预报信息处理方法、装置、电子设备及存储介质 |
CN116662748A (zh) * | 2023-05-11 | 2023-08-29 | 国网湖南省电力有限公司 | 风机覆冰厚度的预测方法、预测装置、存储介质及处理器 |
Non-Patent Citations (3)
Title |
---|
倪洪波等: "飞机试飞的自然结冰潜势预测及检验评估", 《气象科技》, vol. 50, no. 2, pages 254 - 265 * |
孙晶;李想;: "飞机积冰气象条件研究进展", 气象科技, no. 04, pages 561 - 569 * |
李佰平;戴建华;孙敏;史月琴;孙俊颖;杨涛;黄可蔚;韩昌;: "一种改进的飞机自然结冰潜势算法研究", 气象, no. 11, pages 1377 - 1390 * |
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 |
---|---|
CN117104529B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117104529B (zh) | 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统 | |
Cober et al. | Characterizations of aircraft icing environments that include supercooled large drops | |
US7109912B1 (en) | Weather radar hazard detection system and method | |
EP2244108A2 (en) | Enhanced prediction of atmospheric parameters | |
WO2008094363A1 (en) | Method and system for forescating weather using atmospheric water measured onboard an aircraft | |
Schumacher et al. | Vertical motions of the tropical convective cloud spectrum over Darwin, Australia | |
KR20150066315A (ko) | 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법 | |
US9846230B1 (en) | System and method for ice detection | |
CN115857059B (zh) | 一种积冰预报管理方法、系统、可读存储介质和设备 | |
US20180032885A1 (en) | System and method for determining whether or not to perform airborne glaciogenic seeding experiments through numerical simulations | |
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 | |
CN115718993A (zh) | 一种飞机积冰sfip指数优化调整方法及系统 | |
CN112541161B (zh) | 一种区域多源降水数据质量控制方法及系统 | |
Heymsfield et al. | Ice microphysics observations in Hurricane Humberto: Comparison with non-hurricane-generated ice cloud layers | |
St-James et al. | Assimilation of wind profiler data in the Canadian Meteorological Centre’s analysis systems | |
CN112101639A (zh) | 一种基于多源气象数据的机场通行能力分析方法及系统 | |
Strapp et al. | Comparisons of Cloud In Situ Microphysical Properties of Deep Convective Clouds to Appendix D/P Using Data from the High-Altitude Ice Crystals-High Ice Water Content and High Ice Water Content-RADAR I Flight Campaigns | |
CN116383646A (zh) | 一种基于qar数据的飞机积冰案例识别方法 | |
CN115236772A (zh) | 一种漂流观测仪数据质量控制系统及其方法 | |
Radhakrishna et al. | Statistical characteristics of multipeak raindrop size distributions at the surface and aloft in different rain regimes | |
Cober et al. | Estimating maximum aircraft icing environments using a large database of in-situ observations | |
CN117493738B (zh) | 一种基于结冰数值仿真的飞机结冰程度预报方法及系统 | |
DE102017102923B4 (de) | Verfahren und Vorrichtung zur Bestimmung eines Fehlers eines an Bord eines Fluggeräts angeordneten barometrischen Druckmesssystems | |
Hallowell et al. | Icing hazard detection with NEXRAD IHL | |
Isaac et al. | Decision making regarding aircraft de-icing and in-flight icing using the Canadian Airport Nowcasting System (CAN-Now) |
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 |