一种基于实际观测的航空器试飞条件预测方法及装置

摘要

本发明属于统计分析技术领域，具体涉及一种基于实际观测的航空器试飞条件预测方法及装置，所述方法包括以下步骤：步骤1：获取航空器试飞条件以及试飞场地的参数、有效历史气象数据；步骤2：对航空器试飞条件进行试飞要素分类，根据各试飞要素的阈值范围对试飞要素进行分析，并根据分析结果建立试飞阈值模型；步骤3：根据试飞要素分类及试飞要素的阈值范围解析试飞场地的有效历史气象数据，并带入试飞阈值模型得到各时间点的试飞预测结果；步骤4：根据试飞预测结果生成统计学图表，得到试飞场地的统计学结果。通过上述方法，为试飞场地的选择和计划制定提供决策性参考，以最大化的利用试飞场地的气相可飞时段并规避危险天气。

说明书

技术领域

本发明属于统计分析技术领域，具体涉及一种基于实际观测的航空器试飞条件预测方法及装置。

背景技术

试飞模式从“飞行-排故-飞行”转型升级至“预测-飞行-比较”已是必然趋势，后者强调试飞前对试飞任务的预测和预演，深入掌握试飞对象的特点和规律，发现并暴露问题，提升试飞前的准备质量和安全保障能力。而试飞前的准备质量包括对试飞基地的选择。

试飞基地的选择必然包括试飞基地的气象条件分析，但是现有的气象条件分析一般都集中气候预报分析和单个要素的定性分析，诸如中国专利CN107742002A，很少有关于历史气象数据的整体性分析，因袭不能完全反应试飞基地的试飞条件，无法为试飞提供依据。

鉴于此，本发明亟需提供一种基于实际观测的航空器试飞条件预测方法及装置，用于为试飞场地的选择和计划制定提供决策参考。

发明内容

本发明的目的在于提供一种基于实际观测的航空器试飞条件预测方法及装置，用于为试飞场地的选择和计划制定提供决策参考。

本发明提供的基于实际观测的航空器试飞条件预测方法，包括以下步骤：步骤1：获取航空器试飞条件以及试飞场地的参数、有效历史气象数据；步骤2：对航空器试飞条件进行试飞要素分类，根据各试飞要素的阈值范围对试飞要素进行分析，并根据分析结果建立试飞阈值模型；步骤3：根据试飞要素分类及试飞要素的阈值范围解析试飞场地的有效历史气象数据，并根据试飞阈值模型计算得到试飞预测结果；步骤4：根据试飞预测结果生成统计学图表，得到试飞场地的统计学结果。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，步骤1具体包括：步骤1.1：获取试飞场地的参数、历史气象数据以及航空器试飞条件；步骤1.2：对试飞场地的历史气象数据进行合法性检查，并删除未通过检查的数据；步骤1.3：对通过合法性检查的历史气象数据进行质量控制检查，并通过人工订正的方式将不合格的历史气象数据修改至合格；合格的历史气象数据为有效历史气象数据。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，步骤1.2中，合法性检查的检查项目包括：试飞场地名称、历史气象数据的数据源类型、历史气象数据的数据源路径和历史气象数据的数据源文件。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，步骤1.3中，质量控制检查的检查项目包括：气象学界限值，检查各试飞要素的极限取值是否符合气象学界限值；合理性，检查各试飞要素的定时取值是否符合当日极限取值范围；时间一致性，检查各试飞要素的取值是否符合气象变化原理。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，步骤2中，试飞要素包括：风、气温、气压、湿度、能见度、云、雨雪和危险天气，且各试飞要素根据阈值范围划分为否决型因子和浮动型因子。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，试飞阈值模型包括第一条件和第二条件；所述第一条件包括若干否决型因子，当满足任意一个否决型因子时，则不符合第一条件，试飞预测结果为否；当不满足任意一个否决型因子时，则符合第一条件，继续验证第二条件；所述第二条件包括若干浮动型因子，当不满足任意一个浮动型因子时，则不符合第二条件，试飞预测结果为否；当同时满足所有浮动型因子时，则符合第二条件，试飞预测结果为是。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，根据阈值范围，试飞要素中要素风分为强风模式和微风模式，要素气温分为极低温模式、常规温模式和极高温模式，要素气压包括场面气压及修正海平面气压，要素湿度分为常规湿模式和极湿模式，要素能见度包括水平能见度和跑道视程，要素雨雪分为强降雨雪模式和常规雨雪模式；其中否决型因子包括强风模式、极低温模式、极高温模式、强降雨雪模式和危险天气。

如上所述的基于实际观测的航空器试飞条件预测方法，进一步优选为，步骤4中的统计学图表包括年可飞天数统计图表、可飞天月分布图表、影响可飞天要素的年分布图表和影响可飞天要素的月分布图表。

本发明还公开了基于实际观测的航空器试飞条件预测装置，用于实现上述任意一项所述的基于实际观测的航空器试飞条件预测方法，包括：获取模块，用于获取航空器试飞条件以及试飞场地的参数、有效历史气象数据；分类模块，用于对航空器试飞条件进行试飞要素分类，根据各试飞要素的阈值范围对试飞要素进行分析，并根据分析结果建立试飞阈值模型；分析模块，用于根据试飞要素分类及试飞要素的阈值范围解析试飞场地的有效历史气象数据，并带入试飞阈值模型得到各时间点的试飞预测结果；统计模块，用于根据试飞预测结果生成统计学图表，得到试飞场地的统计学结果。

本发明与现有技术相比具有以下的优点：

本发明提供的基于实际观测的航空器试飞条件预测方法通过对试飞场地的气象条件进行量化评价和数字化分析，科学定义机场可飞天数，并通过建立模型实现对试飞窗口期的选择，为试飞场地的选择和计划制定提供决策参考，进而最大化的利用机场的气象可飞时段并规避危险天气。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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他的附图。

图1为本发明中基于实际观测的航空器试飞条件预测方法的流程图；

图2为图1中步骤1的流程图；

图3为本发明中基于实际观测的航空器试飞条件预测装置的连接框图。

具体实施方式

实施例1：

图1公开了本实施例中基于实际观测的航空器试飞条件预测方法的流程图。具体的，如图1所示，本实施例公开了基于实际观测的航空器试飞条件预测方法，包括以下步骤：

步骤1：获取航空器试飞条件以及试飞场地的参数、有效历史气象数据；

步骤2：对航空器试飞条件进行试飞要素分类，根据各试飞要素的阈值范围对试飞要素进行分析，并根据分析结果建立试飞阈值模型；

步骤3：根据试飞要素分类及试飞要素的阈值范围解析试飞场地的有效历史气象数据，并根据试飞阈值模型计算得到试飞预测结果；

步骤4：根据试飞预测结果生成统计学图表，得到试飞场地的统计学结果。

具体的，机场参数包括：机场的名称、机场坐标、跑道方向和机场类型。

图2为图1中步骤1的流程图；具体的，如图2所示，步骤1具体包括：

步骤1.1：获取试飞场地的参数、历史气象数据以及航空器试飞条件；

步骤1.2：对试飞场地的历史气象数据进行合法性检查，并删除未通过检查的数据；

步骤1.3：对通过合法性检查的历史气象数据进行质量控制检查，并通过人工订正的方式将不合格的历史气象数据修改至合格；合格的历史气象数据为有效历史气象数据。

其中，步骤1.2中，合法性检查项目包括：试飞场地名称、历史气象数据的数据源类型、历史气象数据的数据源路径和历史气象数据的数据源文件。

具体的，获取的历史气象数据具有明确的场地名称、明确的数据源类型、明确的数据源路径，且在指定的数据源路径下确实存在该数据。当获取的历史气象数据不满足上述任意一项时，视为检查不通过，则抛弃该数据。

其中，步骤1.3中，质量控制检查的检查项目包括：

气象学界限值，检查各试飞要素的极限取值是否符合气象学界限值；

合理性，检查各试飞要素的定时取值是否符合当日极限取值范围；

时间一致性，检查各试飞要素的取值是否符合气象变化原理。

具体的，本实施例中需要检查的气候学界限值包括：

当气压、气温、风速落入上述范围时，为合理数据。

合理性检查中，主要用于检查每日不同时间点的气压、气温和风速是否处于概括性范围，即：

日最低气压≤定时气压≤日最高气压；

日最低气温≤定时气温≤日最高气温；

极大风速≥最大风速；

符合上述条件的为合理数据。

时间一致性检查中，主要用于检查当日的气象参数是否符合季节性要求，诸如气温是否符合季节性要求。

当质量控制检查出现不合格数据时，可通过手动更正。具体的，以临近时间点的数据为参考修正不合理数据，修正之后的数据若通过合理性检查则可继续使用。

步骤2中，试飞要素包括：风、气温、气压、湿度、能见度、云、雨雪和危险天气，且各试飞要素根据阈值范围划分为否决型因子和浮动型因子。

进一步的，试飞阈值模型为复合模型，所述复合模型包括第一条件和第二条件，所述第一条件包括若干否决型因子，当满足任意一个否决型因子时，则不符合第一条件，试飞预测结果为否；当不满足任意一个否决型因子时，则符合第一条件，继续验证第二条件；所述第二条件包括若干浮动型因子，当不满足任意一个浮动型因子时，则不符合第二条件，试飞预测结果为否；当同时满足所有浮动型因子时，则符合第二条件，试飞预测结果为是。试飞阈值模型的上述结构设置用于降低数据处理量，进而实现快速处理。

进一步的，根据阈值范围，试飞要素中要素风划分为强风模式和微风模式，要素气温分为极低温模式、常规温模式和极高温模式，要素气压包括场面气压及修正海平面气压，要素湿度分为常规湿模式和极湿模式，要素能见度包括水平能见度和跑道视程，要素雨雪分为强降雨雪模式和常规雨雪模式；其中否决型因子包括强风模式、极低温模式、极高温模式、强降雨雪模式和危险天气。

上述模式的划分是依据试飞要素的阈值范围，具体的，依据各试飞要素对试飞的影响。其中强、微、极低、极高等词均用于等级划分的命名和对照示意，不代表具体的要素参数。本领域技术人员可根据实际情况设置阈值范围，上述程度词汇也可替换为“第一”、“第二”等词汇，仅代表分类等级划分。其中，气压包括场面气压和/或修正海平面气压，即场面气压和/或修正海平面气压中任意一种或两种数据均可作为要素气压的有效数据，具体的场面气压和修正海平面气压均通过数据表示其强弱。相同的，水平能见度和/或跑道视程中任意一种或两种数据均可作为要素能见度的有效数据，且水平能见度和/或跑道视程均通过数据表示其强弱。

此外，针对要素云，根据云量的比例(8/8、7/8、6/8、4/8-5/8、2/8-3/8、1/8、0)分为七种评价贡献参数，除云量为0以外，每种参数可对云高进行设置；

针对将于雨雪，降水分为无降水或微量降水、小雨(0.1mm≤24h降水量≤10.0mm)、中雨(10.0mm＜24h降水量≤25.0mm)、大雨(25.0mm＜24h降水量≤50.0mm)、暴雨(50.0mm＜24h降水量≤100.0mm)、大暴雨(24h降水量＞100.0mm)、小雪(0.1mm≤24h降雪量≤2.5mm)、中雪(2.5mm≤24h降雪量≤5.0mm)、大雪(5.0mm≤24h降雪量≤10.0mm)、暴雪(24h降雪量＞10.0mm)；

针对要素危险天气，其包括雷暴、颮线、冰雹、龙卷、冻雨、沙尘暴、低空风切变，均为否决性参数。

具体的，为了方便带入试飞阈值模型，可根据上述历史气象数据中试飞要素与试飞阈值范围的偏差为历史气象数据中试飞要素赋予权重值，当权重值越高，与试飞阈值范围的偏差越小，对试飞的影响越小。验证试飞模型的第二条件时，可直接检验权重值最小的试飞要素，一旦权重值最小的试飞要素不符合第二条件，则不符合试飞条件。

具体的，根据下表解析历史气象数据，并赋予权重值。

上述预测方法中，可通过每天中每个时间段的试飞预测结果来获取每天的试飞预测结果，具体的，每天的试飞预测结果包括可飞、限制可飞和不可飞。

进一步的，步骤4中的统计学图表包括年可飞天数统计图表、可飞天月分布图表、影响可飞天要素的年分布图表和影响可飞天要素的月分布图表。

具体的，年可飞天数统计图表采用饼图，要素为可飞，限制可飞，不可飞，可以包含几年的数据。统计日数占当年自然日数95％及以上时采用绝对数值，反之采用百分比。

可飞天月分布图表采用柱状图，要素为可飞，限制可飞，不可飞，横轴为1到12月，纵轴为绝对数值或者百分比，可以包含几年数据。统计日数占当年自然日数95％及以上时采用绝对数值，反之采用百分比。

影响可飞天要素的年分布图表包括限制可飞的年分布图表和不可飞的年分布图表，限制可飞的年分布图表采用饼图，要素为影响可飞天的各个要素，可以包含几年数据。不可飞的年分布图表采用饼图，要素为影响可飞天的各个要素，可以包含几年数据。

影响可飞天要素的月分布图表包括限制可飞的月分布图表和不可飞的月分布图表，限制可飞的月分布图表采用柱状图，要素为影响可飞天的各个要素，横轴为1到12月，纵轴为百分比，可以包含几年数据。

不可飞的月分布图表采用柱状图，要素为影响可飞天的各个要素，横轴为1到12月，纵轴为百分比，可以包含几年数据。

实施例2：

图3为本发明中基于实际观测的航空器试飞条件预测装置的连接框图。如图3所示，本实施例基于实际观测的航空器试飞条件预测装置，用于实现实施例1中任意一项所述的基于实际观测的航空器试飞条件预测方法，包括：

获取模块，用于获取航空器试飞条件以及试飞场地的参数、有效历史气象数据；

分类模块，用于对航空器试飞条件进行试飞要素分类，根据各试飞要素的阈值范围对试飞要素进行分析，并根据分析结果建立试飞阈值模型；

分析模块，用于根据试飞要素分类及试飞要素的阈值范围解析试飞场地的有效历史气象数据，并带入试飞阈值模型得到各时间点的试飞预测结果；

统计模块，用于根据试飞预测结果生成统计学图表，得到试飞场地的统计学结果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。