一种基于S-100终端的航行气象数据采集优化方法及系统与流程
本发明涉及航行数据分析领域,更具体的,涉及一种基于s-100终端的航行气象数据采集优化方法及系统。
背景技术:
1、随着远洋航运业的快速发展,船舶航行安全日益受到重视,而气象条件是影响船舶航行安全的关键因素之一。风、浪、气压、温湿度等气象要素直接影响船舶的操纵性能、稳性与航行效率,恶劣天气甚至可能导致海难事故的发生。因此,实时、准确地获取船舶周边及未来航线上的气象数据,对于保障航行安全、优化航线规划具有重要意义。
2、目前,船舶气象数据主要来源于船载气象站的实地观测与气象部门发布的预报产品,实时预测能力不强,无法覆盖船舶前方的广阔海域的气象数据需求,存在空间覆盖范围有限的缺陷,难以满足船舶精细化航行的实时需求,特别是对于中小尺度天气系统的捕捉能力不足。此外,现有船舶气象预测方法多采用单一的数值预报结果或简单的线性外推,缺乏对多源观测数据的空间插值优化与多船舶共享数据的数据推演,难以准确刻画气象要素的空间分布与演化趋势。
3、因此,目标亟需开发一种航行气象数据采集优化方法,能够有效整合多船气象观测数据,通过科学的相关性评估与可信度筛选,结合高精度空间插值算法,提升船舶航行区域的气象预测精度与实时性。
技术实现思路
1、本发明克服了现有技术的缺陷,提出了一种基于s-100终端的航行气象数据采集优化方法及系统。
2、本发明第一方面提供了一种基于s-100终端的航行气象数据采集优化方法,包括:
3、s1、在一个航行监测周期中,通过s-100终端采集目标船舶与邻近船舶的多维度气象数据;
4、s2、对气象数据进行预处理,根据目标船舶与邻近船舶对应采集数据进行气象参数序列化,并分别生成第一序列与第二序列;
5、s3、引入灰色关联法评估第一序列与第二序列的相关性,得到参数关联度,通过短期参数的线性变化率,评估第一序列与第二序列的偏离程度,结合目标船舶与邻近船舶的实时空间距离,计算目标船舶与邻近船舶基于气象数据的偏离度与预测可信度;
6、s4、将偏离度与预测可信度在预设范围内的邻近船舶进行标记,得到优选船舶,采集优选船舶在预设时段内的气象数据,得到基础气象数据;
7、s5、在s-100终端中,基于基础气象数据与目标船舶采集气象数据构建预测区域数据模型,采用克里金空间插值算法对预测区域进行气象空间演化与数值预测,并生成具有预测数据的数据模型。
8、s6、根据预测参数与数据模型,在s-100终端中实现气象状态分布的可视化。
9、本方案中,s1,具体为:
10、根据目标船舶的航行任务,设定航行监测周期,
11、在一个航行监测周期中,设定多个采集时段,对于每个采集时段,通过s-100终端采集目标船舶与邻近船舶的多维度气象数据,每个采集时段的时长相等;
12、对多维度气象数据进行数据清洗与标准化预处理。
13、本方案中,所述多维度气象数据,包括:
14、船舶所在位置的风速、风向、瞬时极大风速、阵风系数、风垂直切变;
15、船舶所在位置的海平面气压、气压变化率、气压梯度;
16、船舶所在位置的海面气温、露点温度、相对湿度、海气温差。
17、本方案中,所述s2,具体为:
18、对多维度气象数据进行数据清洗与标准化预处理,具体为,采用拉依达准则对原始气象数据进行异常值检测,剔除偏离均值三倍标准差以外的异常数据点;
19、对于少量缺失数据,采用线性插值法进行填补;
20、对于连续缺失超过3个采样点的数据段,标记为无效数据并采用相邻时段的均值进行替代;
21、对各类气象参数分别进行最小-最大标准化处理,将各参数数值映射至预设区间,完成数据预处理;
22、以目标船舶的采集时间戳为基准,对邻近船舶的气象数据进行时间对齐,选择一种气象参数作为分析对象;
23、基于每个采集时段对应采集的气象参数进行序列化,形成基于船舶的气象序列,根据目标船舶与邻近船舶分别标记为第一序列与第二序列。
24、本方案中,所述s3,具体为:
25、将第一序列作为参考序列,以各邻近船舶的第二序列作为比较序列;
26、对于每个时刻点,计算参考序列与比较序列的关联系数,分辨系数取0.5;
27、对各时刻点的关联系数取平均值,得到该邻近船舶与目标船舶的灰色关联度;
28、根据各类参数对航行安全的影响程度设置权重,加权灰色关联度得到参数关联度;
29、选取最近m个采集时段作为短期分析窗口;
30、分别对第一序列与第二序列在短期窗口内的数据进行一元线性回归,拟合气象参数的时间变化率,即线性回归斜率;
31、计算目标船舶与邻近船舶气象参数时间变化率的差值,得到变化率偏差;
32、通过s-100终端获取目标船舶与邻近船舶的空间距离d,根据d值大小动态调整变化率偏差与参数关联度,并基于调整后的数值分别表征基于气象数据的偏离度与预测可信度。
33、本方案中,所述s4中,设定最近n个采集时段作为预设时段。
34、本方案中,所述s5,具体为:
35、获取目标船舶的预期航线数据,根据预期航线数据设置预测区域;
36、将预测区域离散化为规则网格,网格单元尺寸根据预测精度要求设定,构建出数据模型;
37、将基础气象数据集与目标船舶采集气象数据中的各数据点映射到预测区域的空间坐标系中;
38、对于每个网格节点,统计其周边一定半径范围内的有效气象数据点数量与分布情况,构建出初始化稀疏数据型的数据模型,以经纬度为自变量,各气象参数值为因变量,建立空间插值的输入数据集;
39、采用克里金空间插值算法,基于输入数据集对数据模型进行气象数值演化与插值,并更新数据模型,生成具有预测数据的数据模型。
40、本方案中,所述s6,具体为:
41、通过s-100终端,将数据模型进行数据解析,对预测区域的当前气象分布状态进行可视化展示;
42、根据预设时段的气象数据,分析各气象参数的时空变化规律;结合风场数据计算气象系统的移动速度与方向;
43、基于当前时刻的气象参数预测场,按照气象系统的移动趋势进行外推,生成未来1小时、2小时、3小时三个时间节点的气象预测场;
44、对每个时间节点的气象预测场进行边界平滑处理,消除插值产生的数值震荡,生成预测场数据并进行数据可视化。
45、本发明第二方面还提供了一种基于s-100终端的航行气象数据采集优化系统,该系统包括:存储器、处理器、s-100终端、交互终端、显示终端,所述存储器中包括基于s-100终端的航行气象数据采集优化程序,所述基于s-100终端的航行气象数据采集优化程序被所述处理器执行时实现如上述s1-s6步骤。
46、本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于s-100终端的航行气象数据采集优化程序,所述基于s-100终端的航行气象数据采集优化程序被处理器执行时,实现如上述任一项所述的基于s-100终端的航行气象数据采集优化方法的步骤。
47、通过本发明方案,能够整合邻近船舶的观测数据,将单点监测扩展为多点组网监测,显著增大了气象数据的空间覆盖范围,弥补了单船观测的局限性。通过灰色关联分析、短期变化率评估与距离修正三重机制,量化评估邻近船舶数据的参考价值,筛选高可信度数据源,有效避免低质量数据引入的误差。采用克里金空间插值算法,充分考虑气象要素的空间相关性与变异结构,生成高精度的网格化气象预测场,相比简单外推方法准确度大幅提升。另外,本发明能够可视化展示航线上的气象分布与演化趋势,辅助船员提前规避恶劣天气,提升航行安全性与经济性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com