СОКРАЩЕНИЯ 4
ВВЕДЕНИЕ 5
Алгоритмы формирования кода METAR 8
Назначение и вид кода 8
Логическая последовательность формирования сводки METAR 9
Видимость 9
Группа текущей погоды 12
Облачность и вертикальная видимость 14
Температура и влажность воздуха 15
Приземный ветер 16
Давление 17
Группа предшествующей погоды 17
Сдвиг ветра 17
Методы измерения метеорологических параметров 18
Видимость 18
Температура и влажность воздуха 25
Облачность 27
Ветер 33
Атмосферные явления 35
Основы теории метелей 38
Понятие метели. Классификации 38
Структура метелевого переноса 40
Верхняя граница низовой метели 42
Скорость ветра, соответствующая началу дефляционной метели 45
Разработка алгоритма для автоматического распознавания 49
низовой метели
ЗАКЛЮЧЕНИЕ 56
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 57
В настоящее время в век искусственного интеллекта и высоких информационных технологий все стремительней развивается процесс замены человека на автоматические системы во многих сферах жизни. Если еще несколько десятков лет назад машины могли производить только простейшие вычислительные операции, то на сегодняшний день ситуация иная: ИИ уже способен распознавать речь людей, выполнять творческие задачи, разрабатывать экономические схемы, приносящие прибыль и многое другое.
Прогресс не обошел стороной и сферу наблюдений в авиационной метеорологии, так как именно эта область требует максимально возможной точности и оперативности измерений. В настоящее время на всех аэродромах России установлены автоматические измерительные системы, выполняющие следующие задачи: измерение, сбор и обработка
метеорологических величин на аэродромах, представление информации в виде, удобном для потребителя, формирование метеорологических сообщений в требуемых формах, распространение информации по каналам связи в виде кодовых форм.
Одним из основных кодов в авиационной метеорологии является код METAR, на основе которого пилотами воздушных судов принимаются решения о возможности или невозможности эксплуатации конкретного аэродрома. Данное сообщение содержит всю необходимую информацию о состоянии погоды на территории аэродрома и его окрестностей. Долгое время авиационные измерения погоды и формирование сводки
осуществляли исключительно метеонаблюдатели, которые, к сожалению, не всегда точно, достоверно и что особенно важно, оперативно, могут оценивать состояние окружающей среды. Поэтому в последние годы, с усовершенствования приборостроения и методов измерения и анализа метеорологических величин, эту работу в большей степени выполняют измерительные системы, которые, несомненно, эффективней выполняют задачи фиксирования значений метеорологических величин: температуры, влажности, давления, параметров ветра, высоты нижней границы облаков и видимости. Но, к сожалению, существует проблема автоматического распознавания некоторых опасных для авиации явлений погоды, таких как пыльная и песчаная буря, низовая/пыльная/песчаная метель. До сих пор ни на одном аэродроме России этот процесс не автоматизирован, поэтому на сегодняшний день полностью заменить работу авиационного метеонаблюдателя машинными алгоритмами невозможно.
Физика процессов многих атмосферных явлений очень сложна, поэтому оценка наличия или отсутствия какого-либо из перечисленных явлений одним лишь датчиком не представляется возможным. Поэтому для распознавания опасных явлений применяются алгоритмы, включающие широкий спектр возможных вариантов состояния погоды, при которых данное явление происходит. Такие схемы, естественно, создаются человеком на основе экспериментальных данных, теоретических сведениях и личного опыта...
В ходе работы было установлено, что на сегодняшний день полностью доверить работу метеонаблюдателя на аэродромах автоматической метеостанции, к сожалению, невозможно. Несмотря на очевидное преимущество машин в точном и оперативном измерении метеорологических параметров, они не в состоянии достоверно распознать многие атмосферные явления, так как физика их образования очень сложна и не изучена в полном объеме даже человеком.
Самый логичный выход из данной ситуации - использовать алгоритмы, созданные профессионалами на основе совмещения анализа множества экспериментальных данных, личного опыта и неоспоримых теоретических сведениях о явлениях.
В данной работе представлен алгоритм для автоматического распознавания низовой метели со снегопадом, разработанный по принципу машинного обучения. Проверка на независимой выборке показала, что вероятность верного определения исследуемого явления с помощью предложенного алгоритма составляет 93 %. Но говорить с уверенностью о возможности или невозможности его использования в практических целях на данный момент невозможно, так как для выявления однозначных закономерностей, разумеется, требуется большее количество опытов.
Также стоит установить дополнительные датчики для исследований, чтобы эмпирическим путём проверить корректность работы всей системы. Однако уже сейчас очевидно, что попытка автоматического распознавания низовой метели является толчком для полной автоматизации процесса наблюдений на аэродроме, что, несомненно, должно улучшить качество работы метеорологической службы.
