论文部分内容阅读
风速风向与日常生活存在着密不可分的联系,其观测或预测的准确性可有效加强行动计划的合理性,大幅提高生产劳作的效率性,因此如何准确的观测风速风向显得尤为重要。而超声波测风仪因其结构坚固,维修成本低等优点,已在气象、生活及农业等领域得到了广泛应用。但由于其结构特点所造成的阴影效应,而导致的风速测量精度下降,已成为当前测风领域中不可忽视的问题。因此本文针对超声波测风仪的阴影效应以及补偿方法进行了相关研究,具体工作如下:首先,本文对超声波测风仪的基本原理及其发展状况进行了简要介绍,并详细论述了阴影效应的产生及其所带来的影响。其次,以流体力学相关知识为基础,通过GAMBIT及Fluent等流体力学软件对超声波测风仪进行了建模及其仿真模拟,以实现对阴影效应的有效分析。本文在超声波测风仪的仿真分析中具体可分为以下两步:第一步是选取超声波测风仪一条测风路径进行低风速与高风速下的数值模拟,实验结果表明在水平风向下流线型换能器带来的阴影效应误差更小,而在不同风向下,当风向角处于一定角度时,阴影效应的影响程度为0,因此在设计超声波测风仪阵列时应避免测风路径与风向平行;第二步是采用十字交叉方式对超声波测风仪的两条测风路径同时进行仿真模拟,并考虑风速、风向、温度等因素,以得到不同条件下的仿真结果,其结果表明温度对阴影效应的影响不大。实验最后将仿真数据保存,为下一步基于LSTM的超声波阴影效应的补偿算法提供训练样本。最后,通过对不同风速风向下的仿真及风洞数据进行补偿实验,以验证本文所提基于Fluent和LSTM神经网络的超声波阴影效应补偿算法的有效性。算法首先利用Fluent仿真得到的样本数据完成LSTM预测模型训练,其次,将SVR和MLR等模型与本文所提LSTM模型进行补偿效果对比实验,其结果验证了LSTM算法模型的有效性及优越性,最后再通过风洞数据对LSTM神经网络修正算法的可行性完成进一步验证。综上所述,本文所提出的基于Fluent和LSTM神经网络的预测模型可对阴影效应所造成的误差进行有效补偿,其精确度得到显著提高,为减小超声波测风仪的阴影效应提供了一定参考价值。