發(fā)布時間：2020-07-26 11:09

【摘要】：低空大氣的變化規(guī)律復雜,對人類生活影響很大,采用激光方式對低空大氣測量較傳統(tǒng)方式具有測量快速、精度高等特點。在低空遭遇的風切變持續(xù)時間短,此時做出正確決策的反應時間特別短、難度大,有必要對風場未來走勢作預測處理。多普勒激光測風雷達探測大氣風場獲取徑向上的風速,進而使用DBS(Doppler Beam Swinging)反演算法獲取三維風場,對于如何獲取該空間未來風場變化情況,是科研中需要解決的問題。本文以我國東北某地的風場風速為研究對象,進行時間序列的風場預測究。首先介紹了多普勒激光雷達,根據(jù)發(fā)射脈沖和接收回波信號的頻移計算實時風速,使用多普勒射束擺動模型反演風場情況。風切變是根據(jù)雷達資料中的數(shù)據(jù)使用差值濾波或者最小二乘法識別。研究了布朗三次指數(shù)平滑預測算法、博克斯-詹金斯預測算法、BP神經(jīng)網(wǎng)絡預測算法和灰色預測算法,對各種預測算法的工作原理進行了分析,在仿真試驗中使用誤差曲線和精度曲線描述各種預測算法的實際效果。布朗三次指數(shù)平滑算法實際預測的本質(zhì)是多項式,依賴于一次和二次平滑系數(shù);博克斯詹金斯算法需要對預測的時間序列進行預處理,根據(jù)時間序列的相關系數(shù)和自相關系數(shù)選定合適的預測模型;BP神經(jīng)網(wǎng)絡是通過預設的神經(jīng)網(wǎng)絡結構由訓練的時間序列根據(jù)輸出的殘差自動調(diào)整網(wǎng)絡系數(shù)、前項更新系數(shù)并輸出預測值,逆向調(diào)整殘差值;灰色算法預測的本質(zhì)是一階微分方程,預測值在時間序列上具有指數(shù)特性,往往少數(shù)的預測數(shù)據(jù)就能完成。本文軟件部分是在visual studio2010編程平臺使用C++語言進行軟件開發(fā),對多普勒激光測風雷達獲取的雷達資料進行風場預測的相關研究工作。取低空200m處的風速、4000多個風速值對各種預測算法進行仿真實驗,通過風速曲線與實際風速曲線的對比以及誤差和精度的比較后提出了一種基于灰色修正BP神經(jīng)網(wǎng)絡殘差的預測算法。最后,使用時空分辨率為2min和50m的多普勒激光測風雷達測量的空間風場資料進行預測研究,對灰色修正BP神經(jīng)網(wǎng)絡殘差的預測算法進行風場預測實驗,鳳羽圖直觀地反映出預測的風場效果和實際的風場相差較小,誤差和精度都比傳統(tǒng)的預測算法效果更好。實驗表明灰色修正BP神經(jīng)網(wǎng)絡殘差的預測算法在風場風速的預測中是可行的。
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P412.25;TN958.98
【圖文】：

機載TODWL系統(tǒng)

1-3 WindTrace 相干激光測風雷達（陸基型起步較晚，目前國內(nèi)從事激光測風雷達、中國海洋大學、上海光機所和西南技測風雷達采用的工作體制為車載直探（作為光源，通過邊緣檢測方式來測量大工作原理簡單可靠，但由于靈敏度低，能量（焦耳量級）的激光器，導致系統(tǒng)比處于劣勢。1997 年，碘濾波器可移學劉智深教授組建完成，其垂直分辨率度 1m/s，并于 2000 年測量低對流層風濾除背景光實現(xiàn)晝夜觀測。碘濾波有線強度較大的變化，所以探測精度高。散射的雙邊緣技術組建的探測范圍低于系統(tǒng)，用于三維風場數(shù)據(jù)采集（un DS基于雙邊緣干涉儀濾波器的直探式激光

所、中國海洋大學、上海光機所和西南技光測風雷達采用的工作體制為車載直探（光作為光源，通過邊緣檢測方式來測量大是工作原理簡單可靠，但由于靈敏度低，能量（焦耳量級）的激光器，導致系統(tǒng)相比處于劣勢。1997 年，碘濾波器可移大學劉智深教授組建完成，其垂直分辨率度 1m/s，并于 2000 年測量低對流層風速濾除背景光實現(xiàn)晝夜觀測。碘濾波有線性生強度較大的變化，所以探測精度高。2米散射的雙邊緣技術組建的探測范圍低于達系統(tǒng)，用于三維風場數(shù)據(jù)采集（un DS基于雙邊緣干涉儀濾波器的直探式激光

【參考文獻】

相關期刊論文 前10條

1 畢鑫鑫;陳光華;周偉燦;沈新勇;曹西;;西北太平洋熱帶氣旋達到不同強度時所處位置的長期趨勢研究[J];氣候變化研究進展;2017年01期

2 劉明明;;灰色理論在BP神經(jīng)網(wǎng)絡預測中的應用[J];中國新通信;2016年19期

3 舒秀麗;董文俊;涂相征;;風切變作用下的民用飛機陣風減緩控制研究[J];飛行力學;2016年05期

4 劉小洋;曾孝平;;非線性風切變信號處理與控制算法研究[J];電子科技大學學報;2016年03期

5 趙會敏;雒江濤;楊軍超;徐正;雷曉;羅林;;集成BP神經(jīng)網(wǎng)絡預測模型的研究與應用[J];電信科學;2016年02期

6 何俊;劉銀萍;;灰色GRM(1,1)模型的改進[J];長春工業(yè)大學學報;2015年02期

7 劉智斌;曾曉勤;劉惠義;儲榮;;基于BP神經(jīng)網(wǎng)絡的雙層啟發(fā)式強化學習方法[J];計算機研究與發(fā)展;2015年03期

8 李俊濤;吳小開;;基于布朗指數(shù)法的虛擬機動態(tài)整合方法[J];計算機工程與應用;2016年07期

9 楊斷利;張立梅;籍穎;;殘差調(diào)整灰色BP神經(jīng)網(wǎng)絡的短期風速預測研究[J];河北農(nóng)業(yè)大學學報;2013年06期

10 方

本文編號：2770684