基于本征正交分解的平流层风场建模与预测

平流层风场环境对临近空间低动态飞行器设计和轨迹控制具有重要影响。针对平流层风场建模,提出一种基于本征正交分解(POD)的风场数据降阶方法,在此基础上,提出一种可以对平流层风场进行预测的Fourier模型。以长沙地区2005—2009年风场为例,采用提出的POD方法与Fourier预测模型对风场进行建模与预测,并对Fourier预测精度进行分析。研究结果表明,采用POD方法可以对东西方向风场进行高效率高精度降阶建模;通过Fourier预测模型可以对东西方向风场进行准确预测,预测精度与实际风场随时间变化的规律性有关,风场数据越紧凑,周期性越明显,预测精度越高。

基于PSO-BP神经网络的平流层风场短期快速预测

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响。研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化(PSO)算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场。以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测。研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径。

3种神经网络模型在平流层风场预测中的应用

为了控制浮空飞行器的飞行轨迹,必须对平流层风场进行建模预测。传统理论模型只能用于预测未来几个小时的风速,而用BP神经网络模型则可预测未来几天的风速。为此,文章分别采用BP神经网络、遗传算法优化的BP神经网络和粒子群算法优化的BP神经网络作为风场预测模型,以历史时刻的风场数据作为神经网络的输入变量,对未来一段时间平流层底风场风速数据进行预测,并比较了这3种神经网络的预测精度。试验结果表明,神经网络模型可应用于平流层风场的预测,且经遗传算法和粒子群算法优化后的BP神经网络大大提高了BP神经网络的预测精度,在一定时间内有较好的预测效果;而粒子群算法优化的BP神经网络模型的预测精度略好于遗传算法优化的BP神经网络模型的预测精度。

一种基于地转风模型的平流层风场插值方法

平流层风场水平分量的数据精度和密度对高空气球实验的轨迹预测精度和飞行控制精度有着直接的影响。面向平流层风场,提出一种基于地转风模型的插值方法。该方法通过改进科里奥利频率公式,并用二维卷积计算地转风模型,提升了地转风模型的计算效率和低纬度地区风场精度,再用迭代二元线性回归和改进的自适应观测场偏差权重矩阵减小了观测误差对插值结果的影响。实验结果表明:所提插值方法能有效提升平流层风场插值计算速度,并对平流层风场水平分量的插值精度有显著提升。

融合探测和预测数据的平流层风场建模方法

平流层浮空器因驻空时间长、覆盖范围广和搭载能力强等显著优势,在对地观测、侦查预警、环境监测等领域有巨大的应用前景。由于平流层浮空器结构尺度大,飞行速度低,其飞行性能和驻空能力受环境风场影响显著,其典型驻空高度20千米高度附近的风场环境在长周期大尺度范围较为稳定,但短周期小尺度内风速风向存在一定变化,因此平流层风场的获取、建模和更新对于飞行航迹规划、飞行控制至关重要。以我国某区域多点气象站的实际数据和预测数据为依据,通过双线性差值和函数拟合的方法对两类风场数据进行融合,进行四维风场环境的重构建模,得到该区域风场的时空特性,为平流层浮空器轨迹规划和控制提供技术支持。

Quasi-biennial oscillation signal detected in the stratospheric zonal wind at 55–65°N

To investigate the impacts of the quasi-biennial oscillation （QBO） on high-latitude circulation and the Arctic vortex, stratospheric zonal wind at 55-65°N is analyzed. The seasonal cycle, solar cycle, and linear trend in the zonal wind at these latitudes are analyzed and removed, and the QBO signal is retrieved from the monthly zonal wind for the period 1979-2014. The zonal wind has a strong decreasing trend in winter, with a maximum decrease （less than -0.35 m s-1 yr-1） occurring within 70-100°E. The zonal wind has an in-phase response of 1.6 m s-1 to the solar cycle, with a maximum within 100-140°E. A clear QBO signal is detected in the zonal wind during the period 1979-2014, with an amplitude of 2.5 m s-1 and a period of 30 months. The latitudinal distribution of the QBO signal is inhomogeneous, with a maximum within 120-180°E and a minimum within 25-45°E.