[發明專利]一種基于自動氣象站的低空風切變識別方法

有效

• 申請號: 201811285720.1
• 申請日: 2018-10-31
• 公開（公告）號: CN109583593B
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 張靖;陳少應;劉淑昕;雷雅慧;余小強;劉志鵬;戚穎;仇逸菲
• 申請（專利權）人: 安徽四創電子股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06Q50/26;G01P5/00;G01P13/02
• 代理公司: 合肥和瑞知識產權代理事務所(普通合伙) 34118
• 代理人: 王挺

1.一種基于自動氣象站的低空風切變識別方法，其特征在于，包括如下步驟：

S1，獲取監測區域內所有自動氣象站采集到的各風要素的歷史數據；

S2，對歷史數據進行質量控制以剔除異常數據，得到各風要素的有效數據，并根據設定的數據時刻對有效數據進行時間同步，得到有效數據對應的數據列表；

S3，選取數據列表中實際發生風切變的時刻前后設定的時間范圍內的有效數據，計算得到該監測區域內的所有自動氣象站兩兩站間對應的各風要素每個數據時刻的切變值；

S4，將所述監測區域內的自動氣象站兩兩站間的距離按比例縮放標準值，將縮放后的標準值與風切變判別閾值比較，進而得到每個數據時刻是否發生風切變，并給出每個數據時刻是否發生風切變的標簽；

S5，將每個時刻數據的各風要素作為輸入、是否發生風切變的標簽作為結果構成數據集，并使用SMOTE算法擴充數據集使得是否發生風切變的兩種標簽類型數量平衡，得到平衡后的數據集；

S6，利用機器學習方法對平衡后的數據集進行訓練，選取查全率最好的訓練結果，并輸出相應的模型，以此模型作為識別模型；

S7，實時讀取監測區域的各自動氣象站的最新數據，采用步驟S2的方法對最新數據進行預處理，并將處理后的數據輸入所述識別模型，進而得到識別結果。

2.根據權利要求1所述的一種基于自動氣象站的低空風切變識別方法，其特征在于：步驟S1中，所述風要素包括瞬時風速、瞬時風向、陣風風速、陣風風向、兩分鐘平均風速、兩分鐘平均風向、兩分鐘最大風速、兩分鐘最大風向、十分鐘平均風速、十分鐘平均風向、十分鐘最大風速、十分鐘最大風向。

3.根據權利要求2所述的一種基于自動氣象站的低空風切變識別方法，其特征在于；步驟S2中，對歷史數據進行質量控制包括數據標準化檢查處理、氣候學界限值檢查處理、極值范圍檢查處理、內部一致性檢查處理、時間一致性檢查處理；所述數據標準化檢查處理是指對歷史數據中出現的重復數據進行刪除，并對歷史數據相應的文件名、日期、時間、自動氣象站的站點信息進行完善和格式統一；所述氣候學界限值檢查處理是指根據氣象行業相關標準和監測區域所處的當地歷史氣候特征，對不可能出現的歷史數據進行剔除；所述極值范圍檢查處理是指選取每個自動氣象站采集的歷史月平均風速為基本單位，計算每年該月平均風速的標準差，以該月歷史最大風速加上兩倍標準差作為極大值，以該月歷史最小風速減掉兩倍標準差作為極小值，剔除超過極大值、小于極小值的歷史數據；所述內部一致性檢查處理具體是指對各風要素間的物理聯系進行檢查處理，即根據十分鐘最大風速≥兩分鐘最大風速、兩分鐘最大風速≥瞬時風速、風向為0°時則風速≤0.2m/s這些判斷標準，剔除異常數據；所述時間一致性檢查處理具體是指對某一當前時刻與此時刻之前的五分鐘的相應的歷史數據的變化率進行檢查，對變化率大于上限閾值的相應的歷史數據進行剔除，同時對某一當前時刻與此時刻之前的一小時的相應的歷史數據的變化率進行檢查，對變化率小于下限閾值的相應的歷史數據進行剔除，所述上限閾值和下限閾值根據監測區域所處的當地歷史氣候特征確定。

4.根據權利要求3所述的一種基于自動氣象站的低空風切變識別方法，其特征在于：步驟S2中，根據設定的數據時刻對有效數據進行時間同步具體是指將有效數據以每半分鐘為數據時刻建立有效數據的數據列表，即將有效數據中的每個條目歸集到其原始時刻最靠近的那個半分鐘時刻對應的數據列表內。

5.根據權利要求4所述的一種基于自動氣象站的低空風切變識別方法，其特征在于：步驟S3中，選取數據列表中實際發生風切變的時刻前后各十二小時內的有效數據，根據有效數據中的瞬時風速和瞬時風向得到瞬時矢量風，根據陣風風速和陣風風向得到矢量陣風，根據兩分鐘平均風速和兩分鐘平均風向得到兩分鐘平均矢量風，根據十分鐘平均風速和十分鐘平均風向得到十分鐘平均矢量風，計算該監測區域內的所有自動氣象站兩兩站間的瞬時矢量風的矢量差、矢量陣風的矢量差、兩分鐘平均矢量風的矢量差、十分鐘平均矢量風的矢量差，進而得到所有自動氣象站兩兩站間每個數據時刻的切變值。