论文部分内容阅读
[摘要]大气能见度的大小对人们生产生活具有重要影响，尤其在能见度较差或出现大雾天气时，对农业生产以及航运、飞机起降、道路交通运输和人民生活等都有极大的影响，因此，加强对大气能见度监测和防护措施，同时，加强影响能见度的恶劣天气研究，建立预报思路，为做好低能见度天气下的航空气象保障，提供优质气象服务。
[关键词]能见度 气象服务 航空 飞行 影响
[中图分类号] P403 [文献码] B [文章编号] 1000-405X（2015）-4-368-1
1低能见度的概念以及对航空飞行的影响
能见度是指白天用肉眼能辨认出黑色目标物的最大距离，夜间假设亮度和白天相同的情况下，能够辨认出目标物的最大距离。能见度对航空有着直接影响，在航空气象中，通常将能见度低于1000m的现象称为低能见度现象，它往往会引起航班大面积延误，甚至取消飞行任务。当能见度低于起飞或着陆标准时，飞机不能起飞和着陆，飞行活动停止。低能见度还可以干扰飞行员对地标的识别，造成飞行员的心理压力，容易发生飞行事故。所以了解机场区域内低能见度出现的规律和影响因素，对做好航空服务有很大帮助。在20世纪80年代我国就开始了对大气能见度的研究。到目前为止已有不少机场相关工作人员对各自机场的能见度进行了分析，以便更好地提供民航气象服务。
青海省玉树巴塘机场又称玉树机场，位于青海省玉树境内，距青海玉树藏族自治州州府所在地结古镇20余公里，海拔3900米，是截至2008年中国海拔第四高的民航机场。机场等级为4C级，跑道长3800米，宽45米，可满足空客319等机型起降。该机场航务部气象室为准确做出航空气象预报，确保飞行安全提供参考依据。
玉树气候属于典型的高原高寒气候，全年气候只有冷暖之别，无四季之分，全年冷季7-8个月，暖季4-5个月，无绝对无霜期，气候寒冷而干湿不均，年平均气温3℃左右，年最低气温-27℃，最高气温28℃，年平均降水量486毫米，空气含氧量要比海平面空气含氧量低1/3─1/2。降温天气造成气温下降，玉树地区春季强对流天气和大风多发，大风天气伴有沙尘，受沙尘天气影响，造成其能见度差，必须做好雷电、冰雹、大风等预防准备工作。
2影响大气能见度的气象因子分析
目前，影响大气能见度的因子有多种因素，研究表明，空气污染物PM2、NO2、SO2等浓度的变化是影响大气能见度的主导因素。但从气象角度分析则主要有：相对湿度、风速、气压和天气现象等气象因子。
2.1与湿度关系
随着相对湿度的升高，大气能见度的指数逐渐下降；而随着相对湿度的下降，大气能见度的指数则升高。由此可知空气相对湿度与能见度呈明显反位相的关系，即大气能见度和相对湿度之间具有反相关关系。
2.2与风速关系
随着风速的增大，大气能见度的指数上升；而随着风速的减弱，大气能见度的指数则下降。因此，可知大气能见度与平均风速的变化趋势基本一致，即大气能见度随着风速的增大而增大，二者的相互关系大致呈正位相关系。
2.3与气压关系
气压与大气能见度的变化关系较为复杂，气压对能见度的影响不大，呈微小负相关性，只有当天气有明显变化或在晴朗夜间时，大气能见度与气压之间变化才具有一定的规律性，即呈负相关性。
2.4与天气现象关系
天气现象对能见度的影响也不可忽视。造成低能见度障碍的各种天气现象（降水、雾、烟、浮尘、扬沙、霾等）中以雾为主，雾的形成物理条件主要是有足够的水汽、风速微弱和气团稳定。水汽和雾滴本身会增强光的吸收和散射，从而影响大气透明度，可见雾对能见度的影响是至关重要的。
2.5与季节的关系
玉树巴塘地区的低能度天气主要集中在每年的春、秋、冬季，主要是由大雾、降雪、雨夹雪等天气影响造成低能见度天气，从而造成航班返航备降或延误。不同季节的不同的低能见度出现频率主要和各个季节具有不同的温度、湿度特征以及主要的影响天气系统有关。
3能见度非线性预报模型
3.1数据处理
因为输入因子数据（上一时刻的大气能见度、大气温度、相对湿度、大气能见度、风速、变压，与现在时刻大气能见度）不在一个数量级上，为了使网络收敛和训练时间变短，本文利用Matlab自带函数mapminmax将输入因子数据归一化到-1～1之间。
3.2支持向量机（SVM）和Elman神经网络预测值的精度比较
为了比较支持向量机（SVM）预测值和Elman神经网络的预测值，Elman神经网络用同样的实验数据，使用MATLAB自带的人工网络工具箱中的Elman网络建立预测模型，经过学习和训练，找到最优隐层数量为15层的网络模型作为预测模型。
两种预测模型大气能见度预测对比给出了两种模型给出的大气能见度预测误差的对比分析，表明支持向量机（SVM）的预测值比Elman网络模型的预测值更加精确，因此，预测未来的大气能见度若加入PM10浓度值预测精度会更高，所以，支持向量机（SVM）可以得到小样本试验的敏感性和特异性之间的最佳平衡，达到并给出高精度的预测值。
参考文献
[1]段玉森，束炯，张弛等；上海市大气能见度指数指标体系的研究[J]；中国环境科学；2010.
[2]王凯，赵宏，刘爱霞，韩斌，白志鹏；基于风险神经网络的大气能见度预测[J]；中国环境科学；2009.
[3]沈家芬，冯建军，谢利等；广州市大气能见度的特征及其影响因子分析[J]；生态环境，2010.
[关键词]能见度 气象服务 航空 飞行 影响
[中图分类号] P403 [文献码] B [文章编号] 1000-405X（2015）-4-368-1
1低能见度的概念以及对航空飞行的影响
能见度是指白天用肉眼能辨认出黑色目标物的最大距离，夜间假设亮度和白天相同的情况下，能够辨认出目标物的最大距离。能见度对航空有着直接影响，在航空气象中，通常将能见度低于1000m的现象称为低能见度现象，它往往会引起航班大面积延误，甚至取消飞行任务。当能见度低于起飞或着陆标准时，飞机不能起飞和着陆，飞行活动停止。低能见度还可以干扰飞行员对地标的识别，造成飞行员的心理压力，容易发生飞行事故。所以了解机场区域内低能见度出现的规律和影响因素，对做好航空服务有很大帮助。在20世纪80年代我国就开始了对大气能见度的研究。到目前为止已有不少机场相关工作人员对各自机场的能见度进行了分析，以便更好地提供民航气象服务。
青海省玉树巴塘机场又称玉树机场，位于青海省玉树境内，距青海玉树藏族自治州州府所在地结古镇20余公里，海拔3900米，是截至2008年中国海拔第四高的民航机场。机场等级为4C级，跑道长3800米，宽45米，可满足空客319等机型起降。该机场航务部气象室为准确做出航空气象预报，确保飞行安全提供参考依据。
玉树气候属于典型的高原高寒气候，全年气候只有冷暖之别，无四季之分，全年冷季7-8个月，暖季4-5个月，无绝对无霜期，气候寒冷而干湿不均，年平均气温3℃左右，年最低气温-27℃，最高气温28℃，年平均降水量486毫米，空气含氧量要比海平面空气含氧量低1/3─1/2。降温天气造成气温下降，玉树地区春季强对流天气和大风多发，大风天气伴有沙尘，受沙尘天气影响，造成其能见度差，必须做好雷电、冰雹、大风等预防准备工作。
2影响大气能见度的气象因子分析
目前，影响大气能见度的因子有多种因素，研究表明，空气污染物PM2、NO2、SO2等浓度的变化是影响大气能见度的主导因素。但从气象角度分析则主要有：相对湿度、风速、气压和天气现象等气象因子。
2.1与湿度关系
随着相对湿度的升高，大气能见度的指数逐渐下降；而随着相对湿度的下降，大气能见度的指数则升高。由此可知空气相对湿度与能见度呈明显反位相的关系，即大气能见度和相对湿度之间具有反相关关系。
2.2与风速关系
随着风速的增大，大气能见度的指数上升；而随着风速的减弱，大气能见度的指数则下降。因此，可知大气能见度与平均风速的变化趋势基本一致，即大气能见度随着风速的增大而增大，二者的相互关系大致呈正位相关系。
2.3与气压关系
气压与大气能见度的变化关系较为复杂，气压对能见度的影响不大，呈微小负相关性，只有当天气有明显变化或在晴朗夜间时，大气能见度与气压之间变化才具有一定的规律性，即呈负相关性。
2.4与天气现象关系
天气现象对能见度的影响也不可忽视。造成低能见度障碍的各种天气现象（降水、雾、烟、浮尘、扬沙、霾等）中以雾为主，雾的形成物理条件主要是有足够的水汽、风速微弱和气团稳定。水汽和雾滴本身会增强光的吸收和散射，从而影响大气透明度，可见雾对能见度的影响是至关重要的。
2.5与季节的关系
玉树巴塘地区的低能度天气主要集中在每年的春、秋、冬季，主要是由大雾、降雪、雨夹雪等天气影响造成低能见度天气，从而造成航班返航备降或延误。不同季节的不同的低能见度出现频率主要和各个季节具有不同的温度、湿度特征以及主要的影响天气系统有关。
3能见度非线性预报模型
3.1数据处理
因为输入因子数据（上一时刻的大气能见度、大气温度、相对湿度、大气能见度、风速、变压，与现在时刻大气能见度）不在一个数量级上，为了使网络收敛和训练时间变短，本文利用Matlab自带函数mapminmax将输入因子数据归一化到-1～1之间。
3.2支持向量机（SVM）和Elman神经网络预测值的精度比较
为了比较支持向量机（SVM）预测值和Elman神经网络的预测值，Elman神经网络用同样的实验数据，使用MATLAB自带的人工网络工具箱中的Elman网络建立预测模型，经过学习和训练，找到最优隐层数量为15层的网络模型作为预测模型。
两种预测模型大气能见度预测对比给出了两种模型给出的大气能见度预测误差的对比分析，表明支持向量机（SVM）的预测值比Elman网络模型的预测值更加精确，因此，预测未来的大气能见度若加入PM10浓度值预测精度会更高，所以，支持向量机（SVM）可以得到小样本试验的敏感性和特异性之间的最佳平衡，达到并给出高精度的预测值。
参考文献
[1]段玉森，束炯，张弛等；上海市大气能见度指数指标体系的研究[J]；中国环境科学；2010.
[2]王凯，赵宏，刘爱霞，韩斌，白志鹏；基于风险神经网络的大气能见度预测[J]；中国环境科学；2009.
[3]沈家芬，冯建军，谢利等；广州市大气能见度的特征及其影响因子分析[J]；生态环境，2010.