一、成都双流机场低能见度发生规律初探(论文文献综述)
王保,黄思先,杨辉,张叶[1](2022)在《鄂州花湖机场各级低能见度天气特征分析》文中指出利用2016-04—2019-04鄂州花湖机场气象站逐小时自动能见度和降水观测资料,对机场白天、夜间、全天低能见度天气进行分级统计,分析其变化特征。结果表明,鄂州花湖机场各等级能见度季节特点为全天、夜间各等级出现频次以冬季最多,夏季最少,春秋季节出现频次相当;白天各等级出现频次以冬季最多,其他3季出现频次相当;年内特点为全天、夜间和白天各等级以1月、11月和12月出现最多,8月出现最少;各等级能见度出现频次的日变化特征均呈现单峰型,在07:00左右最多;第Ⅰ、Ⅱ和Ⅲ等级低能见度持续时间全部在12 h以内,其中以0~3 h为主,第Ⅳ等级持续时间在24 h以内,第Ⅴ和Ⅵ等级持续时间大于24 h,影响最大的Ⅰ~Ⅱ等级能见度,持续时间0~3 h过程有50%发生在冬季,随着能见度逐渐增大,该天气现象持续时间在冬季的占比有逐渐增大趋势。
梁新[2](2021)在《低能见度天气成因及飞行安全对策研究——以乌鲁木齐机场冬季冻雾天气为例》文中研究指明为提升低能见度天气背景下的飞行安全性,以乌鲁木齐机场冻雾天气为研究样本,分析了乌鲁木齐所处地形对乌鲁木齐机场天气的影响,通过对2017年1月~2019年12月乌鲁木齐机场气象报文的统计与分析,统计得到乌鲁木齐机场冻雾造成的低能见度天气的季节变化、逐月变化、日变化以及持续时间的变化规律。通过对乌鲁木齐机场一次大雾天气发生过程的研究,分析得出乌鲁木齐机场低能见天气时间的演变规律,提出安全运行的建议。
岳炼[3](2021)在《基于深度学习的机场低能见度预报技术研究》文中进行了进一步梳理随着我国民航运输业的快速发展,能见度导致的相关问题逐渐引起人们的重视。本文选取双流机场作为能见度研究对象,对2007-2017年的能见度变化特征展开研究;同时利用相关数据分析双流机场一次典型低能见度天气过程,分析主导本次低能见度过程变化的主要因素,以期解释出本次低能见度天气形成、持续和消散的原因,同时为后期能见度的预报提供理论基础。最后,基于长短期记忆神经网络(Long Short-Term Memory Model,LSTM)采用两种不同的预报方式对双流机场能见度进行预报,对比分析其结果。本文主要研究成果如下所示:(1)通过统计分析研究双流机场能见度的年际、季节、月季和日变化特征,结果表明:2007—2017年能见度年平均数值提高了1907.6m;春夏季节偏好,秋冬季节较差;月平均能见度的最小值与最大值分别出现在12月和1月;14时是一天中能见度的最大值,其最小值出现在0时;同时分级研究表明,能见度低于3000米的天数和发生比例呈逐年下降的趋势;从低于机场起降标准的天气过程发生次数来看,其发生次数呈逐年递减,整个过程中降幅达到50%;具有显着的季节性,秋冬季节最多,占比高达83.03%,而夏季仅为3.67%。(2)针对双流机场2016年12月7日的一次典型的低能见度天气过程进行研究。结果表明:500(?)(6天气图形势变化不大,我国中西部地区受弱高压脊的控制,以西北气流为主,天气形势场的变化对低能见度现象的产生和消散影响较小;此次低能见度天气变化过程中能见度短时迅速降低的根本原因是,高压脊控制下的下沉气流有利于夜晚地面辐射降温,形成辐射逆温层;最后500(?)(6高度层上存在稳定的高压脊、地面相对湿度接近饱和、低层大雾天气对太阳辐射的阻挡作用导致逆温层长期存在、以及四川盆地特殊的地形共同作用是导致本次低能见度过程持续较长的根本原因。(3)利用神经网络进行能见度预报技术研究,结果表明。对机场能见度影响较大的关键因子分别是:10m风场、2m相对湿度、位势高度和平均海平面气压。使用模型的预测数据与数值预报数据相结合进行滚动预报未来3小时能见度的MAE值和R2分别为549.526和0.9287,而使用历史观测数据和数值预报数据相结合进行预报未来3小时能见度的MAE值和R2分别为519.865和0.9392。两种预报方式拟合效果均高于0.9且均不存在过拟合现象。造成第二种预报方式的预报结果优于第一种预报方式的预报结果的主要原因是:在第一种预报方式中,随着预报进度的推进,使用预报值进行再预报的误差会随之增大。针对一线应用中机场运行人员更关心低能见度的预报,因此本文随机选择两次低能见度变化过程并展开单独分析,其结果表明:对于低能见度预报,使用观测数据和数值预报系统的数据进行3小时预报的方式是优于使用预测数据与数值预报数据进行滚动预报未来3小时能见度的方式,具体表现在预报精度高,预测曲线更平滑,拟合效果更好。
段炼,岳炼[4](2020)在《成都双流机场2007—2017年能见度变化特征分析》文中提出能见度是气象学的重要组成部分,对社会生产生活有着较大的影响,对航空运输尤为重要。因此,研究能见度变化特征对保障飞行安全意义深远。利用双流机场2007—2017年期间的历史观测资料,运用等级分析法、统计分析法等方法,分析其年际变化、季节变化、月变化、日变化等多时间尺度的变化特征。结果表明,双流机场大气能见度11年均值上升了近2 km;冬季平均能见度最低为4 985.87 m,夏季平均能见度最高为7 381.6 m,能见度呈现出春夏较好、秋冬较差和四季分明的特点;日变化特征主要是日出后逐渐上升,日落后开始下降,在14:00最佳,凌晨00:00最差;各级低能见度出现的日数和比例逐年下降,大气能见度逐年改善,并在2015年后超过前几年的总体平均水平。
李典南[5](2020)在《双流机场雷暴天气特征及影响因子研究》文中进行了进一步梳理利用双流国际机场2013~2018年逐小时气象观测资料、欧洲中心ERA-interim和ERA5再分析资料、MICAPS常规气象资料以及机场多普勒天气雷达产品资料,分析研究双流机场雷暴天气的时空特征和分类特征,并探讨不同类型雷暴天气背景场及动力、热力特征的差异。遴选影响机场雷暴天气的物理量因子和雷达特征量,在此基础上基于二级逻辑回归法建立潜势预报方程,并进行消空处理,最终得到双流机场雷暴天气预警模型,为双流机场雷暴天气空中管制提供技术支持。结果表明:(1)2013~2018年双流机场发生的雷暴有77.03%伴有降水,春夏为雷暴多发季,其中夏季7-8月发生的次数占全年总次数的一半以上。雷暴发生次数在午后开始逐渐增加,夜晚21:00~次日06:00是雷暴的高发时段,具有明显的“夜雷多、日雷少”的特征。82.7%的雷暴持续时间在3小时以内。雷暴在天顶、偏西和偏东方向发展较为活跃,这与双流机场的地理位置和地形特征有一定关系。(2)依据雷暴所处环境场的斜压锋生作用和热力条件的差异,将双流机场的雷暴天气分为冷平流强迫类、暖平流强迫类、斜压锋生类和弱平流类。冷平流强迫类雷暴是高空西北冷空气起主导作用,雷暴发生时双流机场多位于500h Pa槽后,对流层中上层风向随高度逆转。大气层结的不稳定能量较强,形成的雷暴常伴有大风、冰雹或局地短时强降水。雷达回波图上表现为积状云和层状云混合性降水回波。暖平流强迫类雷暴是强盛的偏南暖湿气流起主导作用,雷暴发生时双流机场多位于500 h Pa槽前,对流层中低层风向随高度顺转。大气层结的不稳定能量相对较弱,但大气层结整体湿润,故易形成以短时强降水为主的雷暴天气。雷达回波图上表现为以层状云为主的降水回波。斜压锋生类雷暴发生于中低层冷暖空气强烈交汇的背景下,锋生作用显着。雷暴发生时大气斜压性较强,动力条件较好,易形成多种天气现象相混合的强对流天气。雷达回波图上本场附近有由多个雷暴单体侧向排列、呈东北-西南向的弓形回波带(飑线)。弱平流类雷暴发生于大气斜压性弱的背景下。雷暴发生时大气近似准正压状态,锋生函数小、温度平流不明显。大气水汽的水平分布较均匀,近地面为高温高湿,低层有不稳定能量积累,当配合适当的触发机制,可克服对流抑制形成伴有雷阵雨、阵性大风的雷暴天气。雷达回波图上本场周围分散着许多范围小、强度弱的回波,典型特征不明显。(3)依据雷暴发生的基本条件,通过相关分析筛选出如下影响因子:CAPE指数、K指数、850 h Pa比湿、850 h Pa与500 h Pa假相当位温差、回波顶高、1.5(?)仰角基本反射率、3.4(?)仰角基本反射率、垂直累积液态水含量。并计算这些因子在对应季节产生雷暴天气的阈值。再基于二级逻辑回归的思路,利用所选物理量因子和雷达因子分别建立预报方程和消空方程,并用2018年4~8月的样本数据进行回报检验。所建立的预警模型对双流机场雷暴天气的预报具有一定指示性,且在夏季的预报效果更好。
苏靖晰[6](2020)在《低能见度条件下的航班延误及恢复预测方法研究》文中进行了进一步梳理21世纪以来,随着国家经济建设与工业生产的高速发展,航空交通运输成为人们选择的主要出行方式之一,因而航空安全性及准点率越来越受到人们的密切关注。而飞机积冰、颠簸、雷暴、风切变以及低能见度等气象因素是影响航班正常运行的重要原因之一,其中西南地区机场受低能见度影响尤为显着。本文以成都双流机场2014-2018年5年间的气象数据、大气气溶胶和大气污染物数据对机场航班延误及恢复进行预测,主要内容由以下三个部分组成:多元非线性分析、低能见度预测、航班延误及恢复预测,具体概述如下:多元非线性分析部分,先进行能见度与其影响因子之间的变化趋势及相关性分析,确定3个主要影响因子及3个次要影响因子。由于能见度观测值受观测仪器量程的影响,为了数据的规范化,剔除数值为10km的数据组,对3个主要影响因子做多元非线性拟合,用得到的拟合方程对剔除数据组的能见度做反向计算得到的优化数据,优化数据组中的能见度与其影响因子之间的任何非线性相关性均较原数据组要高,且主要影响因子与能见度之间的相关函数为S型函数。在低能见度预测方面,根据双流机场的实际低能见度运行程序设定3个能见度等级标准。由于一般BP神经网络存在局限性,所以构建经遗传算法优化的BP神经网络预测模型对接下来1h,2h,3h的能见度分别做预测,结果显示预测模型具有较好的精准度。在航班延误及恢复预测方面,双流机场的小时排班量与小时延误量具有很强的规律型,进行拟合得到代表其规律性的(4()和()函数,建立对航班延误及恢复时间的预测模型,该预测模型与(4()和()函数结合能较好的预测延误航班的恢复时间。根据文中的两类预测模型的预测结果精准度,可对运行的机场进行航班延误及恢复做提前预测。针对即将到来的低能见度天气或即将恢复的延误航班,空管、机场和航空公司等单位都可以提前制定相应的应急策略和人员安排等工作。
陈玉蓉[7](2019)在《四川盆地低能见度天气的变化分析及其对机场运行的影响》文中指出大雾引起的低能见度天气对机场航班的正常运行有着重要影响。本文利用地面气象观测的能见度资料以及FNL全球再分析(final operational global analysis)资料,使用天气诊断分析和中尺度WRF(Weather Research and Forecasting)数值模拟的方法,针对四川盆地特殊地形条件下的大雾天气,从高原—盆地间山谷风的角度出发,研究了山谷风局地环流对2016年12月22日四川盆地大雾天气日变化的影响,并对其可能机制以及大雾天气对机场运行的影响进行了分析,得出如下结论:(1)大雾于2016年12月21日18时(世界协调时)开始形成,并于2016年12月22日06时(世界协调时)消散。此次大雾事件受水平气压梯度较弱、相对湿度较高的西南低压影响,呈现出典型的日变化。(2)WRF模式能够部分再现该大雾事件的主要特征。利用模拟的水平能见度和液态水含量对雾进行了表征,尽管模拟出的水平能见度和液态水含量均小于实际观测值,但是二者呈现出的日变化与实际观测相一致。WRF模式能够模拟由四川盆地周围地形引起的局地山谷风的日变化,模拟出的上坡气流的流速明显大于下坡气流的流速,相对湿度较高的下坡风有利于冷却后形成雾,而较强的上坡风和较低的相对湿度有利于雾的消散。(3)山谷风在大雾事件的日变化中起着重要的作用。雾与山谷风之间的正反馈机制有利于雾在夜间的形成和维持。白天,山谷风呈现由下坡风向上坡风的转变。水汽很容易从温暖且强烈的上坡风中蒸发,导致了白天雾的消散。由于抬升凝结高度较低,四川盆地周围的地形有利于对流层下部空气团的抬升和凝结。(4)四川盆地冬季大雾以辐射雾为主,受地形影响较为严重,一旦大雾于夜间开始形成,就不可避免的会对第二天机场航班的运行产生影响。在遭遇大雾天气时气象人员要做到准确预报,有条件的机场也可以采用人工消雾法,驱散机场上空的雾,改善航空器起降时的气象条件,以保障航空器正常起飞和着陆。
续长青[8](2019)在《低能见度预测的智能算法及机场延误模式研究》文中研究说明在航空运输业的产生发展过程当中,航班的安全性、准点率一直是航空公司、机场、管制单位等各方关注的焦点问题。因此不论是国内外的专家学者还是产业的相关技术人员都对其十分的关注。随着中国航空业的蓬勃发展和对国外相关产业的赶超,航班的安全性和准点率的压力也越来越大。低能见度天气现象作为影响航班安全性和准点率的一项重要因素也越来越受到重视。因此对机场未来的能见度做出准确的预测,并且根据能见度的变化给出机场潜在运行模式的转变规则就成为了重要的研究课题和方向。本文的主要目标便是利用历史数据,结合数据挖掘的相关智能技术完成能见度预测和航班延误模式分析这两方面的课题。希望能够为民航业的安全高效运行做出一定的贡献。其中对于能见度预测和机场延误模式分析的具体概述如下:在能见度预测方面,首先结合特定机场的运行标准对能见度的等级做出了符合机场运行规律的分类。接着通过相关性的检测找出了与能见度的变化关系最密切的气象要素。通过对特定机场大量历史METAR报文的收集和整理建立了气象要素数据库,并在此基础上利用数据挖掘的经典算法构建了以显着相关气象要素为输入变量,以能见度等级为输出变量的能见度预测模型。最终使用双流机场实际的历史能见度和气象要素的数据对模型进行了验证,得到了一个达到预期准确率的模型及其相关的参数。实现了能见度等级的准确预测。在机场航班延误模式的分析上比较了国内外航班延误相关名词的定义方法及统计方式上的异同,给出了特定机场航班延误的特征分布,并着重分析了低能见度条件下机场运行的特殊规律。最重要的是,在通过结合特定机场大量历史数据的收集和整理建立机场航班数据流数据库的基础上给出了机场航班延误时长的预测方法,通过MATLAB软件建立了完整的预测平台,并使用历史数据完成了准确度的分析和检验。本文的研究利用KNN算法来预测能见度和航班延误。给出了一种气象预测和机场历史数据分析的应用实例,证明了数据挖掘的方法在相关领域应用的可行性和适用性。为航空公司、空管单位、机场等机构制定预案、保障安全、提高效率、增加效益做出了具有一点实际意义和实用价值的贡献。
雷之雨[9](2019)在《昆明地区混合雾的生消机理与演变特征研究》文中认为昆明长水机场位于云南省冷空气流经的入口,也在昆明准静止锋经常活动的主要区域内,一旦有西南暖湿气流配合,机场将遭受多种类型的大雾天气影响。基于地基遥感探测的方式可系统且连续地研究雾的生消演变特征,对昆明长水机场的锋面-辐射雾、辐射-锋面雾、辐射雾与低云下压这三类混合雾的典型个例,利用微波辐射计探测得到的温湿场资料研究了昆明混合雾的热力与水汽条件,通过风廓线雷达探测得到的风场资料研究了动力条件,并反演得到了温度平流,结合毫米波云雾雷达的反射率因子、径向速度和速度谱宽资料对辐射-锋面雾、平流-辐射雾及锋面雾作了回波特征分析。并将昆明混合雾与成都及北京地区雾的生消演变过程作了比较分析,得出以下结论:(1)锋面-辐射雾的锋面雾子过程受到昆明准静止锋减弱东退的影响,形成双层逆温的稳定大气层结结构,同时受低层冷平流降温作用造成低层水汽液化形成近1km厚的雾层。锋面过境的动力作用及低层冷空气降温作用为雾生成的主要机制。强逆温的稳定大气层结构,稳定充沛的水汽及高液态水总量的高湿环境,3~5m/s弱水平风场与1m/s以内弱垂直气流,为雾稳定维持的条件。准静止锋东退后,锋面逆温消失,且受辐射升温作用影响,低层温度逐渐回升,水汽饱和度下降,雾强度减弱,而地面弱风速为轻雾维持提供了条件。随后在傍晚后受辐射降温作用形成贴地逆温,轻雾再次发展进入辐射雾子过程。日出后辐射升温作用引起的垂直运动加强为雾消散的主要原因。(2)辐射-锋面雾个例中,锋面过后较厚冷空气削弱了低层逆温层,同时造成高层逆温变小趋于等温的程度,且此次过程中垂直气流略强(最大为1.2m/s),地面风速在成熟阶段最大达8~9m/s,故该过程的雾强度较弱。随后在0.5m/s左右的弱垂直上升气流作用和地面较大风速(7~8m/s)共同作用下,雾逐渐抬升随后消散。消散阶段低层水汽含量也有所降低,动力作用和水汽条件为此次雾消散的主要影响原因,其中动力作用影响最大。(3)辐射雾与低云下压个例中充足的水汽条件为雾和低云形成的重要机制,地面辐射冷却所形成的贴地逆温也为辐射雾生成提供了条件,在低云逐渐接地的共同作用下形成了此次混合雾过程。雾在发展维持过程中空气的垂直运动弱,地面风速总体趋势变化较小且较低。成熟阶段960m以下有较强下沉运动,此时低云下压最强。消散阶段地面辐射升温作用为雾消散的主要原因。(4)锋面-辐射雾、辐射-锋面雾、辐射雾与低云下压这三种类型的混合雾在昆明地区的生消机理有所差异,且引起的能见度变化也不同,对机场的正常运营有重要影响。辐射冷却作用引起的雾比静止锋锋面东退引起的雾的雾顶更低,即辐射雾阶段雾薄,锋面雾阶段雾厚,但辐射雾的浓度较大,能见度较低,能达到浓雾甚至强浓雾的标准。辐射-锋面雾由于前辐射冷却后锋面东进作用的影响,低层逆温与上层锋面逆温有相互削弱的作用,所引起的雾主要以轻雾为主。辐射雾与低云在辐射冷却作用的参与下,能见度最低可降至浓雾水准,且日出后由于低云对太阳短波辐射的部分吸收造成地面升温作用减慢,雾消散时间推迟。(5)分析云雾雷达探测资料得到,昆明辐射-锋面雾、平流-辐合雾以及锋面雾这三类混合雾的回波共同特征为:雾回波初始都在雷达所在位置的东北方向上生成,逐渐向机场跑道方向发展,最后覆盖跑道。雷达东北方向上雾的产生是机场预报雾的重要参考指标,且三类混合雾的回波从东北方向上生成至覆盖于跑道上的大致时长分别为30min、1h、2h。雾的回波强度一般在-10dBZ左右,速度值基本都在4m/s以下,谱宽值都在0.5m/s以下,湍流弱而雾演变过程稳定。(6)研究表明,近年来成都地区常常受到霾的影响,雾的相对湿度也仅略超过90%,最高仅达92%即可产生雾,而昆明地区大致为96%以上,雾生成的相对湿度条件更大。成都地区辐射雾过程中的风速整体(平均风速1.17m/s)比昆明地区小,而昆明即使在稍大风速(3m/s左右)时也能形成辐射雾。北京与昆明地区产生雾的相对湿度范围类似(96%以上),而北京地区风速总体为2~3m/s,略小于昆明地区。
张序,黄昕月,兰梓洲,王玉冰[10](2018)在《从极端天气事件演变规律看双流机场低能见度运行安全》文中研究表明为了研究极端天气事件条件下可能形成低能见度天气以及对航班安全飞行的影响,采用回归分析法和Mann-Kendall突变分析法,在成都双流机场运行的气象环境数据标本中,将机场1951-2003年这50余年对飞行有影响的降水和大风天气进行极端天气事件指标的百分位阈值确定,得到了以下结论:成都双流机场的极端降水事件在1996年后呈下降趋势;极端大风事件在近50年呈上升趋势;秋冬两季易形成大雾这类影响飞行的低能见度天气;大雾造成的低能见度天气一般为辐射雾,随着温度的快速上升,消散的速度也很快;大雾天气对航班的安全飞行影响很大,这需要航空公司、空管部门和机场部门通力合作,这样才能为安全飞行、航班快速恢复和避免旅客群体事件提供有力支持。
二、成都双流机场低能见度发生规律初探(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、成都双流机场低能见度发生规律初探(论文提纲范文)
(1)鄂州花湖机场各级低能见度天气特征分析(论文提纲范文)
1 资料及处理方法 |
2 各级低能见度日数变化特征 |
2.1 季变化 |
2.2 月变化 |
2.3 日变化 |
3 各级低能见度持续时间特征 |
4 结论 |
(2)低能见度天气成因及飞行安全对策研究——以乌鲁木齐机场冬季冻雾天气为例(论文提纲范文)
1 国内外研究现状 |
2 研究样本简介 |
3 乌鲁木齐机场低能见度天气的时间分布特征 |
3.1 乌鲁木齐机场低能见天气的季节、逐月、日变化规律 |
3.2 乌鲁木齐机场低能见度的持续时间变化规律 |
4 乌鲁木齐机场冻雾天气的分类与分析 |
4.1乌鲁木齐机场雾的分析 |
4.2 乌鲁木齐机场一次雾天的案例分析 |
5 冻雾与气象要素的相关性 |
5.1 大气温度 |
5.2 温度露点差 |
5.3 风向风速 |
6 安全飞行和运行控制的建议 |
6.1 提高大雾天气的预报能力 |
6.2加快新技术在飞行中的推广和应用 |
6.3机场运行程序保障能力的加强 |
6.4落实航空器除、防冰工作 |
7 结论和展望 |
(3)基于深度学习的机场低能见度预报技术研究(论文提纲范文)
摘要 |
abstract |
第一章 前言 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 能见度变化特征的研究现状 |
1.2.2 低能见度过程的天气形势分析 |
1.2.3 能见度预报技术研究 |
1.3 论文的主要工作 |
1.4 论文结构 |
1.5 技术路线 |
第二章 数据与方法 |
2.1 研究数据 |
2.1.1 研究区域概况 |
2.1.2 研究数据介绍 |
2.1.3 数值预报系统 |
2.1.4 数据预处理 |
2.2 研究方法 |
2.2.1 统计分析法 |
2.2.2 线性插值 |
2.2.3 皮尔逊相关系数法 |
2.2.4 数据归一化与反归一化 |
2.2.5 长短期记忆神经网络 |
第三章 双流机场的能见度变化特征分析 |
3.1 双流机场能见度年际变化特征分析 |
3.1.1 平均能见度的年际变化特征 |
3.1.2 各级能见度的年际变化特征 |
3.2 双流机场能见度月、季节变化特征分析 |
3.2.1 能见度月平均变化特征 |
3.2.2 能见度的季节变化特征 |
3.2.3 双流机场能见度日变化特征分析 |
3.3 双流机场能见度低于起飞着陆标准的统计分析 |
3.4 小结 |
第四章 典型低能见度天气过程分析 |
4.1 低能见度过程实况 |
4.2 低能见度天气过程气象条件分析 |
4.2.1 大尺度环流背景场特征 |
4.2.2 逆温层特征 |
4.2.3 近地面水汽情况 |
4.3 小结 |
第五章 基于数值预报产品的能见度智能预测 |
5.1 研究思路 |
5.2 敏感区及关键气象因子识别 |
5.3 构建模型 |
5.4 模型训练 |
5.4.1 数据集划分 |
5.4.2 模型参数及优化 |
5.5 能见度预测值与观测值对比分析 |
5.5.1 利用预测值与关键因子滚动预测3小时能见度的结果分析 |
5.5.2 利用观测值与关键因子预测3小时能见度的结果分析 |
5.6 小结 |
结论 |
本文总结 |
不足与展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(4)成都双流机场2007—2017年能见度变化特征分析(论文提纲范文)
1 引言 |
2 资料与方法 |
3 结果与分析 |
3.1 双流机场能见度年际变化特征分析 |
3.1.1 平均能见度的年际变化特征 |
3.1.2 各级能见度的年际变化特征 |
3.2 双流机场能见度月、季节变化特征分析 |
3.2.1 能见度的月变化特征 |
3.2.2 能见度的季节变化特征 |
3.3 双流机场能见度日变化特征分析 |
4 结论 |
(5)双流机场雷暴天气特征及影响因子研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状和进展 |
1.2.1 雷暴天气对航空业的威胁 |
1.2.2 雷暴天气分布特征研究 |
1.2.3 雷暴天气成因研究 |
1.2.4 雷暴天气预报研究 |
1.3 研究内容及章节安排 |
第二章 资料与方法简介 |
2.1 数据资料 |
2.1.1 雷暴天气观测资料 |
2.1.2 欧洲中心再分析资料 |
2.1.3 多普勒雷达产品资料 |
2.1.4 MICAPS常规气象资料 |
2.2 研究方法 |
2.2.1 锋生函数的计算 |
2.2.2 温度平流的计算 |
2.2.3 相关系数的计算 |
2.2.4 多元回归方程的建立 |
2.2.5 影响因子的检验方法 |
第三章 双流机场雷暴天气的时空特征 |
3.1 雷暴的年变化特征 |
3.2 雷暴的季节变化特征 |
3.3 雷暴的日变化特征 |
3.4 雷暴的其它特征 |
3.5 本章小结 |
第四章 双流机场雷暴天气分类及特征分析 |
4.1 雷暴的分类标准 |
4.2 各类雷暴的天气特征 |
4.2.1 冷平流强迫类 |
4.2.2 暖平流强迫类 |
4.2.3 斜压锋生类 |
4.2.4 弱平流类 |
4.3 本章小结 |
第五章 双流机场雷暴影响因子及预警模型研究 |
5.1 影响因子的筛选 |
5.1.1 物理量因子 |
5.1.2 雷达因子 |
5.2 影响因子的指标计算 |
5.3 多元回归预报方程的建立 |
5.4 预报方程的检验 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 工作创新及展望 |
参考文献 |
作者在读期间科研成果简介 |
致谢 |
(6)低能见度条件下的航班延误及恢复预测方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 国外大气能见度研究现状 |
1.2.2 国内大气能见度研究现状 |
1.2.3 航班准点率研究现状 |
1.3 论文的主要工作 |
1.4 论文的结构安排 |
第2章 资料数据库的构建及研究方法 |
2.1 观测仪器与资料来源 |
2.2 基本研究方法 |
2.3 非线性回归分析方法研究 |
2.4 能见度预测等级划分 |
2.5 本章小结 |
第3章 各影响因子对大气能见度的影响 |
3.1 大气能见度随时间变化特征及相关性分析 |
3.1.1 大气能见度与其影响因子随时间变化特征 |
3.1.2 大气能见度与其影响因子相关性分析 |
3.2 大气能见度的非线性回归分析及拟合 |
3.2.1 大气能见度与PM_(2.5)和PM_(10)的非线性回归分析 |
3.2.2 大气能见度与相对湿度的非线性回归分析 |
3.2.3 大气能见度与相对湿度PM_(2.5)、PM_(10)的多元非线性拟合 |
3.3 拟合方程对量程外数据求解 |
3.4 本章小结 |
第4章 基于GA-BP神经网络的低能见度预测模型 |
4.1 BP神经网络和遗传算法的原理及适用性分析 |
4.1.1 BP神经网络基本原理 |
4.1.2 BP神经网络适用性分析 |
4.1.3 遗传算法的基本原理 |
4.2 数据预处理及BP神经网络预测模型设计 |
4.2.1 预测时间范围设定及数据准备 |
4.2.2 BP神经网络预测模型的设计 |
4.3 GA-BP神经网络模型参数的设置 |
4.3.1 遗传算法优化BP神经网络模型设计 |
4.3.2 GA-BP神经网络模型参数设置 |
4.4 实验结果的验证与分析 |
4.4.1 预测模型的计算流程 |
4.4.2 预测结果检验 |
4.5 本章小结 |
第5章 低能见度对航班延误的影响 |
5.1 正常航班的定义 |
5.1.1 航班进出港正常性指标 |
5.1.2 不正常航班原因分析 |
5.2 航班动态数据处理及分析 |
5.2.1 双流机场整体延误率研究 |
5.2.2 进出港航班小时平均航班量及延误量分析 |
5.2.3 不同能见度类别对航班延误率的影响 |
5.3 不同低能见度条件下的航班延误时间变化规律 |
5.3.1 低能见度的时间变化规律 |
5.3.2 不同低能见度范围内的航班延误率分析 |
5.4 本章小结 |
第6章 低能见度条件下的航班延误及恢复预测 |
6.1 航班延误及恢复预测的数学模型 |
6.2 个例分析对数学模型求解 |
6.3 航班恢复预测模型的检验 |
6.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(7)四川盆地低能见度天气的变化分析及其对机场运行的影响(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究意义 |
1.2 国内外研究进展 |
1.2.1 雾的识别和分类 |
1.2.2 雾的形成机制及数值模拟研究 |
1.2.3 山谷风及数值模拟研究 |
1.2.4 大雾对机场运行的影响研究 |
1.3 本文研究内容 |
1.4 本文的创新点 |
第二章 资料和方法 |
2.1 研究资料 |
2.2 研究方法 |
2.2.1 WRF模式简介 |
2.2.2 WRF模式基本框架 |
2.2.3 WRF模式基本方程 |
2.2.4 WRF模式物理方案 |
2.3 本章小结 |
第三章 四川盆地2016年12月22日典型大雾天气特征分析 |
3.1 引言 |
3.2 2016年12月22日大雾事件介绍及观测 |
3.2.1 大雾事件介绍 |
3.2.2 雾区能见度分析 |
3.3 大雾事件的天气实况分析 |
3.3.1 200hPa西风急流带形势分析 |
3.3.2 500hPa天气形势的分析 |
3.3.3 MSL天气形势的分析 |
3.3.4 垂直结构分析 |
3.3.5 层结条件分析 |
3.4 本章小结 |
第四章 基于WRF模式的2016年12月22日典型大雾天气数值模拟 |
4.1 引言 |
4.2 数值模拟实验方案设计 |
4.2.1 模式嵌套区域设置 |
4.2.2 模式参数化方案选择 |
4.2.3 地形敏感性试验 |
4.3 WRF模式模拟雾的能力 |
4.3.1 WRF模式对能见度的模拟 |
4.3.2 WRF模式对液态水含量(LWC)的模拟 |
4.4 WRF模式在山谷风模拟中的性能 |
4.5 山谷风对雾日变化的可能影响 |
4.6 地形敏感性试验结果分析 |
4.6.1 WRF模式对地面风和相对湿度的模拟 |
4.6.2 WRF模式对地面风和表面温度的模拟 |
4.6.3 WRF模式对液态水含量(LWC)的模拟 |
4.6.4 层结条件分析 |
4.7 本章小结 |
第五章 大雾天气对机场运行的影响分析 |
5.1 大雾天气对航班运行的影响分析 |
5.2 大雾期间的预报及飞行保障工作 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(8)低能见度预测的智能算法及机场延误模式研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 国内机场能见度预测方法研究现状 |
1.2.2 国外机场能见度预测方法研究现状 |
1.2.3 航班延误研究现状 |
1.3 论文的主要工作 |
1.4 论文结构安排 |
第二章 气象资料数据库与航班延误数据库的构建 |
2.1 气象数据资料收集 |
2.1.1 资料来源及释义 |
2.1.2 气象资料数据库的建立 |
2.2 机场航班延误数据的收集 |
2.3 本章小结 |
第三章 KNN数据挖掘算法的相关介绍 |
3.1 数据挖掘概述 |
3.2 KNN算法概述 |
3.3 KNN算法使用的模型 |
3.4 KNN算法的特征和适用性分析 |
3.5 本章小结 |
第四章 基于KNN算法的能见度预测模型的构建和检验 |
4.1 气象数据预处理与预测输入输出指标构建 |
4.1.1 数据预处理 |
4.1.2 能见度预测输入指标的筛选 |
4.1.3 能见度预测输出指标的构建 |
4.2 能见度预测模型的构建 |
4.2.1 模型数据空间的构建 |
4.2.2 KNN模型框架设计 |
4.2.3 K参数的选取 |
4.2.4 距离公式的选取 |
4.3 实验开发环境 |
4.4 预测实验流程 |
4.4.1 预测计算流程 |
4.4.2 预测效果检验 |
4.5 本章小结 |
第五章 机场延误模式分析及航班延误时长预测 |
5.1 国内外航班延误统计标准 |
5.1.1 国外航班延误统计标准 |
5.1.2 国内航班延误统计标准 |
5.2 航班延误特征分析 |
5.2.1 整体航班延误分布特征 |
5.2.2 不同种类能见度下的延误模式对比 |
5.3 航班延误时长预测 |
5.3.1 问题描述与分析 |
5.3.2 原始数据的收集和整理 |
5.3.3 KNN算法模型构建 |
5.3.4 模型检验 |
5.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(9)昆明地区混合雾的生消机理与演变特征研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究进展 |
1.3 本文主要研究内容 |
第二章 设备资料与处理方法 |
2.1 资料与设备介绍 |
2.2 方法介绍 |
第三章 昆明地区混合雾生消演变特征 |
3.1 昆明气候特征与雾天类型 |
3.1.1 气候特征 |
3.1.2 雾的类型 |
3.2 锋面-辐射雾演变特征 |
3.2.1 天气背景 |
3.2.2 生消演变过程及热力条件 |
3.2.3 生消演变水汽条件 |
3.2.4 生消演变动力条件 |
3.3 辐射-锋面雾演变特征 |
3.3.1 天气背景 |
3.3.2 生消演变过程及热力条件 |
3.3.3 生消演变水汽条件 |
3.3.4 生消演变动力条件 |
3.4 辐射雾与低云下压演变特征 |
3.4.1 天气背景 |
3.4.2 生消演变过程及热力条件 |
3.4.3 生消演变水汽条件 |
3.4.4 生消演变动力条件 |
3.5 小结 |
第四章 昆明地区混合雾的云雾雷达回波特征 |
4.1 辐射-锋面雾 |
4.2 平流-辐射雾 |
4.3 锋面雾 |
4.4 小结 |
第五章 不同地区雾的演变特征对比 |
5.1 成都地区雾过程演变特征 |
5.1.1 生消演变热力条件 |
5.1.2 生消演变水汽条件 |
5.1.3 生消演变动力条件 |
5.2 北京地区雾过程演变特征 |
5.2.1 生消演变热力条件 |
5.2.2 生消演变水汽条件 |
5.2.3 生消演变动力条件 |
5.3 小结 |
第六章 结论 |
6.1 主要结论 |
6.2 本文特色 |
6.3 本文不足 |
参考文献 |
作者在读期间科研成果简介 |
致谢 |
(10)从极端天气事件演变规律看双流机场低能见度运行安全(论文提纲范文)
0 引言 |
1 数据来源与研究方法 |
1.1 成都双流机场气象资料的来源 |
1.2 气象资料的统计分析方法 |
1.3 极端天气事件的阈值的确定 |
1.3.1 极端降水阈值的确定 |
1.3.2 极端大风阈值的确定 |
2 成都双流机场近50年极端天气发展规律 |
2.1 成都双流机场极端降水天气事件 |
2.2 成都双流机场极端大风天气事件 |
3 成都双流机场极端天气背景下影响航班安全运行的情况分析 |
4 研究结论 |
4.1 成都双流机场极端降水事件强度和频率呈下降趋势 |
4.2 成都双流机场极端大风事件呈增长趋势 |
4.3 成都双流机场低能见度天气具备时刻性强、季节性强和持续时间短的特点 |
5 成都双流机场在低能见度天气条件下各驻场单位应对方式探讨 |
四、成都双流机场低能见度发生规律初探(论文参考文献)
- [1]鄂州花湖机场各级低能见度天气特征分析[J]. 王保,黄思先,杨辉,张叶. 科技与创新, 2022(04)
- [2]低能见度天气成因及飞行安全对策研究——以乌鲁木齐机场冬季冻雾天气为例[J]. 梁新. 长沙航空职业技术学院学报, 2021(02)
- [3]基于深度学习的机场低能见度预报技术研究[D]. 岳炼. 中国民用航空飞行学院, 2021
- [4]成都双流机场2007—2017年能见度变化特征分析[J]. 段炼,岳炼. 科技与创新, 2020(18)
- [5]双流机场雷暴天气特征及影响因子研究[D]. 李典南. 成都信息工程大学, 2020
- [6]低能见度条件下的航班延误及恢复预测方法研究[D]. 苏靖晰. 中国民用航空飞行学院, 2020(11)
- [7]四川盆地低能见度天气的变化分析及其对机场运行的影响[D]. 陈玉蓉. 中国民航大学, 2019(02)
- [8]低能见度预测的智能算法及机场延误模式研究[D]. 续长青. 中国民用航空飞行学院, 2019(08)
- [9]昆明地区混合雾的生消机理与演变特征研究[D]. 雷之雨. 成都信息工程大学, 2019(05)
- [10]从极端天气事件演变规律看双流机场低能见度运行安全[J]. 张序,黄昕月,兰梓洲,王玉冰. 成都信息工程大学学报, 2018(04)