基于改进粒子群算法拟合大气光学湍流廓线模式的研究

提出一种改进自适应粒子群算法并将其应用于大气光学湍流廓线模式的拟合研究。为提高粒子群算法的寻优速度,避免陷入局部最优,提出一种改进的自适应粒子群算法。采用当前粒子与全局最优位置的距离来调控惯性权重系数,进行非线性自适应变化;采取对称线性变化思想设计自我学习因子和社会学习因子,实现了各阶段寻优重点的自适应改变。把改进的自适应粒子群算法引入到求解阿里地区广义Hufnagel-Valley湍流模式中,拟合得到该地区早晚和四季的湍流模式廓线。仿真表明,本文算法的判定系数均在0.997以上,这与探空获得的统计平均廓线保持一致。对比其他自适应粒子群算法,本文算法的收敛精度基本一致但速度更快。本研究为基于Hufnagel-Valley湍流廓线模式拟合提供了新方法。

用常规气象参数估算光学湍流廓线方法的比较

采用美国SPARC数据中心提供的高分辨率无线电探空数据,运用Tatarski公式,对由外尺度或湍流能量耗散率结合常规气象参数估算的折射率结构常数结果进行了比较,间接证明了Sterenborg将外尺度选取1 m时的合理性。并比较了Coulman和Dewan两个外尺度经验公式估算的折射率结构常数。对比分析表明:利用外尺度或湍流能量耗散,结合常规气象参数,都能够估算出折射率结构常数。因湍流能量耗散率观测十分困难,该方法的合理性和代表性需待实验检验。Coulman的外尺度公式只是简单的经验公式,其普适性也需实验检验。而Dewan的外尺度公式中含有实测风速参数,由对流层和平流层不同区域的外尺度公式估算的折射率结构常数相对合理。

CLEARⅠ夜晚模式和Hufnagel-Valley(5/7)模式的存疑

本文分析了几种有代表性的C2n廓线模式,计算了这些模式的相干长度、等晕角以及不同大气层湍流贡献百分比。提出了修正的CLEARⅠ夜晚模式,并对Hufnagel-Valley(5/7)模式进行了讨论。

随机并行梯度下降算法拟合大气湍流廓线统计模式的研究

掌握湍流基本规律及其廓线结构分布,是大气光学理论与应用研究中的关键问题之一。利用随机并行梯度下降算法对大气湍流廓线统计模式拟合进行了研究。在已获合肥地区整层大气折射率结构常数C2N平均廓线的前提下,以广义Hufnagel-Valley湍流模型为基础,拟合获得了该地区不同时间与不同季节的湍流模式廓线。研究发现,该方法获得的该地区湍流模式廓线在整层大气高度上均能很好地同实测平均廓线相符合,且两者所表征的整层湍流特征参量也能保持非常好的一致性。对寻求基于Hufnagel-Valley模型的通用湍流廓线模式拟合方法进行了有益的探索。