机载气象雷达高空冰晶冰水含量预测方法与流程

1.本发明涉及雷达技术领域，具体涉及一种机载气象雷达高空冰晶冰水含量预测方法。


背景技术：

2.高空冰晶通常是飞机在高空巡航阶段飞行时经常遭遇的一种气象危害。当飞机长时间在冰晶高聚集区空域飞行时，飞机机翼结冰以后会引起阻力增加，升力下降，操控性能变差；冰晶进入发动机后融化成液态水并再结冰后慢慢增长，从而造成发动机损坏或者停车；冰晶还会进入大气数据传感器，形成堵塞从而造成相关传感器数据异常，带来飞机失控。
3.根据国际航空运输协会(international air transport association，iata)统计分析，2011-2015年，42％的飞行失控由气象威胁引起，其中40％是由于结冰引起的；根据美国国家航空航天局(national aeronautics and space administration，nasa)统计，过去20年来，航空工业记录过超过200次由于冰晶引起的涡扇发动机高空停车事故。faa和easa已在相关民航法规中将高空冰晶列为重点关注的气象危害。欧盟委员会于2012年启动了一项“机载haic研究计划”，联合空客、rockwell collins、honeywell、thales等二十余家机构共同开展haic科学研究；rtca sc-230小组正在制定冰晶检测的技术性能标准；机载气象雷达的两大主要厂商rockwell collins和honeywell也正在开展haic探测技术研究。
4.高空冰晶一般在环境温度为-5℃～-55℃、海拔高度为9000～40000英尺的高空出现，通常与对流云层有关，例如孤立的积雪云层，雷暴，或甚至热带气旋。这种对流天气的强上升气流可将液态水提升数千英尺到大气中，从而形成高空冰晶。根据冰晶形成的机理，冰晶可以是不同的尺寸和形状，从简单的球形到复杂的雪花状结构。对于机载气象雷达而言，高空冰晶都具有较低的反射率因子值，很难通过反射率因子判断高空冰晶的存在或其浓度。
5.现有技术对高空冰晶的存在可以由特定空间点处的冰水含量(iwc)来指示，利用模型估计iwc实现冰晶预测。但是该方法需要建立冰晶粒子的分布模型，设置合理的关键参数，才能得到iwc与z的良好的对应关系，同时该方法对iwc的估计比较单一，无法适应不同粒子特性下的iwc的估计，在不同条件下，估计误差增大。


技术实现要素：

6.有鉴于此，本说明书实施例提供一种机载气象雷达高空冰晶冰水含量预测方法，为高空巡航阶段的飞机飞行安全提供保障。
7.本说明书实施例提供以下技术方案：一种机载气象雷达高空冰晶冰水含量预测方法，包括以下步骤：
8.步骤一、建立高空冰晶三维网格化数据库；
9.步骤二、将高空冰晶数据按照温度进行分层，并将每个温度层数据按反射率因子
进行分区；
10.步骤三、选择训练样本并形成训练样本数据集；
11.步骤四、建立反射率因子与冰水含量之间的映射关系模型，实现特征参量矩阵和标签矩阵的多元回归重构；
12.步骤五、利用最小二乘回归的多因变量分析估计回归系数；
13.步骤六、对所有的温度层和反射率区间重复步骤三至步骤五，并构建回归系数集合；
14.步骤七、根据回归系数集合对机载气象雷达回波数据的冰水含量进行预测，当预测值大于门限阈值时，雷达进行高空冰晶显示告警。
15.进一步地，步骤二包括：
16.步骤2.1、将高空冰晶的三维网格化数据，按照温度进行分层，确定温度分层的间隔或者范围，确保各个温度层内粒子分布的一致性；
17.步骤2.2、将温度分层的数据，再根据反射率值进行分区，使各反射率区间的反射率与冰水含量的关系呈线性关系。
18.进一步地，步骤三包括：
19.取出反射率区间对应的数据；
20.统计反射率区间的冰水含量数据中值；
21.在冰水含量中值基础上进行插值计算，形成样本选择所需的双门限；
22.取出反射率区间双门限内l个与冰水含量中值最近邻的数据作为有效训练样本，其中l为训练样本最大个数。
23.进一步地，步骤四包括：
24.步骤4.1、将训练样本中的反射率、高度或者温度参数作为特征参量矩阵x，将冰水含量作为标签矩阵y；
25.步骤4.2、建立多元线性回归函数y＝xw f，其中，w为标签函数与特征参量矩阵的最终的回归系数，每个特征参量对应一个系数权值，f为残差系数。
26.进一步地，步骤五具体为：
27.步骤5.1、利用最小二乘回归的多因变量分析估计回归系数w和残差系数f，并将回归系数w和残差系数f按照温度层和反射率区间进行保存；
28.步骤5.2、将反射率区间未参与训练的样本作为测试样本，利用回归系数w对数据进行测试，对预测出的冰水含量与真实冰水含量进行对比，将预测误差引入残差中，实现回归系数的优化，并更新反射率区间的回归系数。
29.进一步地，步骤七具体为：
30.步骤7.1、对各距离门回波数据进行处理得到反射率；
31.步骤7.2、根据载机高度、波束宽度和波束指向角参数，计算各距离门数据对应高度；
32.步骤7.3、根据载机上装载的温度传感器获取载机周围环境温度，并利用温度-高度变化曲线，计算该距离门数据对应的温度；
33.步骤7.4、根据各距离门计算得到的温度和反射率值，提取系数集合中相应区间的回归系数；
34.步骤7.5、基于多特征参量的冰水含量值估计，根据公式iwc＝xw f，计算各距离门数据对应的冰水含量值。
35.与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：本发明提升了iwc的估计精度及稳健性，适用于不同条件下的高空冰晶危险性评估，并可在雷达显示画面中对具有冰晶威胁的区域进行告警显示，可有效降低高空巡航阶段飞机结冰的风险，提升了飞行安全性。
附图说明
36.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
37.图1是本发明实施例的流程示意图；
38.图2是本发明实施例对某个区间数据的最小二乘回归参数估计流程图。
具体实施方式
39.下面结合附图对本技术实施例进行详细描述。
40.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
41.如图1和图2所示，本发明提供了一种机载气象雷达高空冰晶冰水含量预测方法，具体如下：
42.一、建立高空冰晶数据库
43.建立高空冰晶数据库，该数据库为三维网格化数据，包含反射率因子、温度、冰水含量等参量。
44.二、数据分区
45.考虑到气象体目标在不同高度/温度下的粒子特性差异，且相同温度区间的反射率因子与iwc的对应关系也呈非线性分布，因此，将高空冰晶数据按照温度进行分层，并将每个温度层数据按反射率因子进行分区。
46.2.1、将高空冰晶的三维网格化数据，先按照温度进行分层。由于高空冰晶出现在-5℃～-55℃之间，统计气象目标在零度层以上各高度层/温度层的粒子分布特性，确定温度分层的间隔/范围，确保该温度层内粒子分布的一致性。温度间隔可以是均匀的，也可以不均匀的；
47.2.2、将温度分层的数据，再根据反射率值进行分区。将反射率分区，使其小范围内的反射率与iwc的关系呈线性关系。反射率区间可以是均匀的，也可以不均匀的。
48.三、样本选择
49.高空冰晶数据库的一部分数据作为训练样本，为了防止训练样本数过大以及提升关系模型估计精度，需要对用作训练的样本数据进行选择，形成训练样本数据集。
50.对于某个温度层的某个反射率区间数据，其样本选择过程如下：
51.取出该区间对应的数据，包括但不限于反射率因子、高度、温度以及iwc等；
52.统计该区间的iwc数据中值；
53.在iwc中值基础上进行插值计算，形成样本选择所需的双门限；
54.取出该区间双门限内l个与iwc中值最近邻的数据作为有效训练样本，该数据包含但不限于反射率、高度、温度以及iwc等，其中l为训练样本最大个数。
55.四、关系模型建立
56.4.1将训练样本中的反射率、高度、温度等参数作为特征参量矩阵x，iwc作为标签矩阵y，建立两者之间的映射关系，实现特征参量矩阵和标签矩阵的多元回归重构。
57.特征参量矩阵x定义如下：
58.x＝[特征1 特征2 特征3
ꢀ…ꢀ
特征k]
[0059]
其中：特征1～k分别表示特征参量矩阵的k个特征样本序列，每个样本序列包含l个训练样本，特征参量包括但不限于反射率因子、高度以及温度值等。
[0060]
标签矩阵：
[0061][0062]
其中：iwc
l
分别为第l(l＝1,2,
…
,l)个训练样本对应的iwc值；
[0063]
4.2、建立多元线性回归函数：
[0064]
y＝xw f
[0065]
其中：w＝[w1,w2,
…
,wk]为标签函数与特征参量矩阵的最终的回归系数，每个特征参量对应一个系数权值，f为残差系数。
[0066]
五、回归系数估计
[0067]
5.1、利用最小二乘回归的多因变量分析估计回归系数为w和残差系数f，并将该系数按照温度层和反射率区间进行保存；
[0068]
5.2、将该区间未参与训练的样本作为测试样本，利用以上步骤得到的回归系数对数据进行测试，对估计出的iwc与真实iwc进行对比，将估计误差引入残差中，实现回归系数的优化，更新该区间的系数。
[0069]
至此，完成了指定温度层的指定反射率区间数据的参数估计。
[0070]
六、构建回归系数集合
[0071]
重复步骤三～五，直至完成所有温度层和反射率区间特征参量与iwc映射关系的回归系数估计，并将系数保存在函数β中，形成不同条件下的系数集合。
[0072]
七、机载气象雷达回波数据的iwc估计
[0073]
对于机载气象雷达某次扫描接收到的距离向回波数据，其iwc估计过程如下：
[0074]
逐距离门按照步骤二至六进行iwc估计；
[0075]
对距离门回波数据进行处理得到反射率z(nr)；
[0076]
根据载机高度、波束宽度、波束指向角等参数，计算该距离门数据对应高度；
[0077]
根据载机上装载的温度传感器获取载机周围环境温度，并利用温度-高度变化曲线，估计该距离门数据对应的温度；也可以结合融化层信息对温度进行估计；也可通过机上数据链路获取地面探空数据，提取各高度对应的温度。视实际条件确定；
[0078]
根据该距离门计算得到的温度和反射率值，提取系数集合β中相应区间的系数[w,
f]；
[0079]
基于多特征参量的iwc值估计。根据公式iwc＝xw f，令x＝[z(nr) h(nr) t(nr)]，w＝[w
1 w
2 w3]，可写成iwc＝w1×
z(nr) w2×
h(nr) w3×
t(nr) f，可计算该距离门数据的iwc值。
[0080]
重复步骤(七)，直至对所有距离数据完成iwc估计。最后利用估计得到的iwc值与门限阈值进行判断，当大于门限阈值时，雷达进行冰晶显示告警。
[0081]
本发明实施例的有益效果为：
[0082]
本发明方法通过建立高空冰晶数据库，建立起反射率因子等多特征参量与iwc之间的映射关系，并利用最小二乘算法估计多元回归参数；
[0083]
本发明方法考虑到不同条件下的特征参量与iwc呈非线性关系时，会影响参数估计精度，提出温度分层和反射率分区的方法，令小区域数据的特征参量与iwc呈线性关系；
[0084]
本发明方法利用多样本训练和测试的方式，估计和优化不同条件下的回归参数，并存储成参数集，实际使用时直接调用相应参数估计iwc，提升iwc估计的精度和稳健性；
[0085]
本发明方法无需改变现有雷达天线及硬件设备，可实施性强，能够适应各种飞行环境，提高对危险区域的检测与告警，降低飞机结冰风险，具有良好的市场经济效益和应用前景；
[0086]
本发明方法易于工程实现，可应用于军用和民用机载气象雷达领域。
[0087]
以上所述，仅为本发明的具体实施例，不能以其限定发明实施的范围，所以其等同组件的置换，或依本发明专利保护范围所作的等同变化与修饰，都应仍属于本专利涵盖的范畴。另外，本发明中的技术特征与技术特征之间、技术特征与技术方案之间、技术方案与技术方案之间均可以自由组合使用。