本發(fā)明涉及海洋大氣邊界層探測領(lǐng)域，特別涉及一種湍流效應(yīng)下的大氣修正折射率廓線計(jì)算方法。

背景技術(shù)：

1、在海上環(huán)境下，大氣波導(dǎo)是影響海上電磁傳播的重要因素，對近海面大氣波導(dǎo)進(jìn)行精確化預(yù)測具有重要的意義。受海洋蒸發(fā)現(xiàn)象，近海面湍流運(yùn)動、海浪效應(yīng)和大尺度鋒面下沉等原因，會引起近海面大氣波導(dǎo)特征改變，影響海上電磁波傳播，出現(xiàn)超視距傳播現(xiàn)象和探測盲區(qū)。

2、目前，對于近海面大氣波導(dǎo)診斷的主要方法是利用莫寧-奧布霍夫相似理論構(gòu)建蒸發(fā)波導(dǎo)模型通過輸入某一高度的溫度、濕度、風(fēng)速、氣壓和海表溫度實(shí)現(xiàn)對近海面大氣修正折射率廓線的預(yù)測。大氣湍流是近海面大氣的主要運(yùn)動形態(tài)之一，對海面與大氣間的動量輸送、熱量輸送、水汽交換和物質(zhì)的輸送起主要作用，也是形成大氣波導(dǎo)的重要方式。在海洋大氣邊界層中海氣交互界面中，湍流運(yùn)動復(fù)雜，目前的關(guān)于蒸發(fā)波導(dǎo)計(jì)算方法中并未考慮湍流效應(yīng)，影響了波導(dǎo)模型對大氣修正折射率廓線的診斷。因此，需要考慮湍流效應(yīng)對大氣波導(dǎo)的影響才能實(shí)現(xiàn)對大氣修正折射率廓線更精確的診斷。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提供了一種湍流效應(yīng)下的大氣修正折射率廓線計(jì)算方法，在計(jì)算過程中考慮湍流效應(yīng)對大氣修正折射率的影響，同時針對不同氣象參數(shù)區(qū)間選取最優(yōu)溫濕度無量綱普適函數(shù)，以達(dá)到提高模型大氣修正折射率廓線診斷精度的目的。

2、為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

3、一種湍流效應(yīng)下的大氣修正折射率廓線計(jì)算方法，包括如下步驟：

4、步驟1，利用海面觀測平臺在不同高度安裝的氣象水文傳感器獲取不同高度的氣象觀測數(shù)據(jù)，并記錄傳感器安裝高度；

5、步驟2，利用氣象觀測數(shù)據(jù)根據(jù)莫寧-奧布霍夫相似理論和coare算法，通過不同的溫濕度無量綱普適函數(shù)得到不同的預(yù)測溫濕廓線，根據(jù)氣象水文傳感器測量的溫度、濕度和氣壓計(jì)算真實(shí)比濕，通過非線性最小二乘擬合得到真實(shí)溫濕廓線；

6、步驟3，對溫濕度無量綱普適函數(shù)進(jìn)行敏感性分析，根據(jù)分析結(jié)果對氣象參數(shù)區(qū)間進(jìn)行合并或拆分，針對各氣象參數(shù)區(qū)間，選擇預(yù)測溫濕廓線與真實(shí)溫濕廓線的均方根誤差最小的溫濕度無量綱普適函數(shù)作為待優(yōu)化的溫濕度無量綱普適函數(shù)；

7、步驟4，采用粒子群智能優(yōu)化算法對溫濕度無量綱普適函數(shù)的系數(shù)進(jìn)行優(yōu)化，得到優(yōu)化后的溫濕度無量綱普適函數(shù)；

8、步驟5，采集氣象觀測數(shù)據(jù)，判斷屬于哪個氣象參數(shù)區(qū)間，基于該氣象參數(shù)區(qū)間下優(yōu)化后的溫濕度無量綱普適函數(shù)，計(jì)算折射率結(jié)構(gòu)常數(shù)，聯(lián)合湍流譜計(jì)算大氣折射率脈動指數(shù)，最后獲得湍流效應(yīng)下的大氣修正折射率廓線。

9、上述方案中，步驟2中，所述溫濕度無量綱普適函數(shù)包括大氣狀態(tài)穩(wěn)定條件下的hyq92、sheba07、bh91和cb05，以及不穩(wěn)定條件下的hyq92?、edson04、grachev00和fairall03；

10、根據(jù)計(jì)算塊體理查森數(shù)判斷當(dāng)前大氣狀態(tài)屬于穩(wěn)定條件或不穩(wěn)定條件，具體方法如下：

11、塊體理查森數(shù)由下式進(jìn)行計(jì)算：

12、；

13、其中，為重力加速度，為溫濕度傳感器安裝高度，為溫濕度傳感器安裝高度處的溫度，為溫濕度傳感器安裝高度處的溫度與海表溫度的差，為風(fēng)速，為剖面系數(shù)；

14、當(dāng)塊體理查森數(shù)時，判定當(dāng)前大氣狀態(tài)為穩(wěn)定條件，選擇穩(wěn)定條件下的溫濕度無量綱普適函數(shù)；當(dāng)時，判定當(dāng)前大氣狀態(tài)為不穩(wěn)定條件,?選擇不穩(wěn)定條件下的溫濕度無量綱普適函數(shù)。

15、上述方案中，步驟2中，所述預(yù)測溫濕廓線包括預(yù)測溫度廓線和預(yù)測比濕廓線，計(jì)算方法如下：

16、；

17、；

18、其中，為高度，和為在高度為處的預(yù)測溫度和預(yù)測比濕，為海表溫度，為海面處的比濕，為根據(jù)海表溫度計(jì)算得到的飽和比濕，為位溫的特征尺度，為比濕的特征尺度，為溫度粗糙度長度，為溫度無量綱普適函數(shù)，為濕度無量綱普適函數(shù)，為穩(wěn)定度修正因子，為干絕熱遞減率，為卡曼常數(shù)。

19、上述方案中，步驟3中，采用morris模型進(jìn)行敏感性分析，過程如下：

20、s1：首先確定當(dāng)輸入?yún)?shù)的個數(shù)為5，分別為溫度、濕度、氣壓、風(fēng)速和海表溫度，從5個輸入?yún)?shù)中選取其中一個輸入?yún)?shù)，其余輸入?yún)?shù)不變；

21、s2：設(shè)置氣象參數(shù)初始區(qū)間范圍，確定輸入?yún)?shù)間距d；

22、s3：將所有輸入?yún)?shù)進(jìn)行歸一化，計(jì)算方法如下：

23、；

24、其中，為第個輸入?yún)?shù)，為第個輸入?yún)?shù)的上限，為第個輸入?yún)?shù)的下限；

25、s4：將輸入?yún)?shù)離散化，通過設(shè)定的參數(shù)范圍和參數(shù)間距確定水平點(diǎn)個數(shù)p及擾動因子，計(jì)算方法如下：

26、；

27、；

28、其中，p為水平點(diǎn)個數(shù)；

29、s5：構(gòu)建單條軌跡，確定模型輸入初始點(diǎn)，其中，每個從離散化的數(shù)據(jù)中隨機(jī)選擇，對隨機(jī)增加或減少，得到一組新的輸入點(diǎn)，每次只對一個參數(shù)進(jìn)行改變，依次對5個隨機(jī)增加或減少后，與輸入初始點(diǎn)共得到6組輸入?yún)?shù)，將新一組的輸入?yún)?shù)帶入到coare算法中得到仿真溫度廓線或仿真溫度廓線作為輸出結(jié)果；

30、s6：重復(fù)步驟s5次，共生成組輸入?yún)?shù)和輸出結(jié)果，作為敏感性分析的總樣本量；

31、s7：計(jì)算變量敏感性判別系數(shù)：

32、；

33、其中，為morris模型第次的輸出結(jié)果，為morris模型第次輸出結(jié)果，為輸入?yún)?shù)按照參數(shù)間距調(diào)整后模型運(yùn)行結(jié)果，為模型經(jīng)第次運(yùn)行后，輸入?yún)?shù)對于初始輸入?yún)?shù)的變化率；為模型經(jīng)第次運(yùn)行后，輸入?yún)?shù)對于初始輸入?yún)?shù)的變化率；為morris模型的運(yùn)行次數(shù)。

34、上述方案中，步驟3中，根據(jù)變量敏感性判別系數(shù)的大小對氣象參數(shù)區(qū)間進(jìn)行劃分，當(dāng)溫度無量綱普適函數(shù)和濕度無量綱普適函數(shù)在同一初始區(qū)間所計(jì)算的不一致時，取較大的作為該區(qū)間的，當(dāng)大于1時，對該區(qū)間進(jìn)行平均拆分，當(dāng)小于0.2時，對該區(qū)間進(jìn)行合并，當(dāng)處于0.2到1之間時，區(qū)間保持不變。

35、上述方案中，步驟4中，采用粒子群智能優(yōu)化算法進(jìn)行優(yōu)化的過程如下：

36、s1：確定待優(yōu)化的溫濕度無量綱普適函數(shù)中的溫度無量綱普適函數(shù)或濕度無量綱普適函數(shù)待優(yōu)化的系數(shù)個數(shù)m，隨機(jī)生成e個m維粒子作為初始粒子群；

37、s2：計(jì)算粒子適應(yīng)度，對于溫度無量綱普適函數(shù)，選擇coare算法計(jì)算得到的預(yù)測溫度和真實(shí)溫度的均方根誤差作為適應(yīng)度函數(shù)，對于濕度無量綱普適函數(shù)，選擇coare算法計(jì)算得到的預(yù)測比濕和真實(shí)比濕的均方根誤差作為適應(yīng)度函數(shù)：

38、；

39、；

40、其中，為第個粒子的真實(shí)溫度，為第個粒子的coare算法計(jì)算得到的預(yù)測溫度，為溫度粒子的適應(yīng)度值；第個粒子的真實(shí)比濕，為第個粒子的coare算法計(jì)算得到的預(yù)測比濕，為比濕粒子的適應(yīng)度值；

41、s3：根據(jù)粒子適應(yīng)度值確定粒子速度和粒子位置，第個粒子的位置為，表示第個粒子在第維度上的位置，第個粒子的速度為，表示第個粒子在第維度上的速度；第個粒子的搜索到的最優(yōu)位置為，表示第個粒子在第維度上搜索到的最優(yōu)位置，粒子群搜索到的全局最優(yōu)位置為，表示粒子群在第維度上搜索到的最優(yōu)位置；

42、粒子每次迭代后的第維度上的位置與速度由下式計(jì)算：

43、；

44、；

45、其中，為個體學(xué)習(xí)因子、為群體學(xué)習(xí)因子，取值范圍均為[0，2]；為慣性權(quán)重；為迭代次數(shù)；和為隨機(jī)數(shù)，取值范圍[0，1]，為第個粒子在迭代次數(shù)為時在第維度上的位置；第個粒子在第維度上迭代到下一代時的位置；為第個粒子在迭代次數(shù)為時在第維度上的速度；為第個粒子在第維度上迭代到下一代時的速度；為第個粒子在迭代次數(shù)為時在第維度上的最優(yōu)位置；為粒子群在迭代次數(shù)為時在第維度上搜索到的最優(yōu)位置；

46、s4：重復(fù)步驟s2和s3，直到達(dá)到預(yù)先設(shè)定的迭代次數(shù)，得到第個粒子在經(jīng)歷所有迭代后的速度與位置，得到第個粒子的最優(yōu)位置和粒子群搜索到的最優(yōu)位置，中的就是溫度無量綱普適函數(shù)或濕度無量綱普適函數(shù)的最優(yōu)系數(shù)。

47、上述方案中，步驟5中，折射率結(jié)構(gòu)常數(shù)的計(jì)算方法如下：

48、；

49、；

50、；

51、其中，為溫度結(jié)構(gòu)常數(shù)、為濕度結(jié)構(gòu)常數(shù)，為溫濕度交叉結(jié)構(gòu)常數(shù)，為高度，為高度處的預(yù)測溫度，為大氣壓強(qiáng)，為干燥空氣的氣體常數(shù)與水蒸氣的氣體常數(shù)之比，為高度處的預(yù)測比濕。

52、上述方案中，溫度結(jié)構(gòu)常數(shù)、濕度結(jié)構(gòu)常數(shù)和溫濕度交叉結(jié)構(gòu)常數(shù)的計(jì)算方法如下：

53、；

54、；

55、；

56、其中，為高度，為位溫的特征尺度，為比濕的特征尺度，為溫度無量綱普適函數(shù)，為濕度無量綱普適函數(shù)，為穩(wěn)定度修正因子。

57、上述方案中，湍流效應(yīng)下的大氣修正折射率廓線的計(jì)算方法如下：

58、；

59、；

60、；

61、其中，為高度，為高度處的預(yù)測溫度，為高度處的預(yù)測氣壓，其中，為干燥空氣的氣體常數(shù)與水蒸氣的氣體常數(shù)之比，為高度處的預(yù)測比濕，為高度處的水汽壓，為高度處的大氣折射率脈動指數(shù)，為高度處的折射率，為湍流效應(yīng)下的高度處的大氣修正折射率。

62、上述方案中，采用湍流譜函數(shù)計(jì)算高度處的大氣折射率脈動指數(shù)，所述湍流譜函數(shù)包括von?karman湍流譜函數(shù)、kolmogorov湍流譜函數(shù)、非kolmogorov湍流譜函數(shù)。

63、通過上述技術(shù)方案，本發(fā)明提供的一種湍流效應(yīng)下的大氣修正折射率廓線計(jì)算方法具有如下有益效果：

64、本發(fā)明基于莫寧-奧普霍夫相似理論和coare算法，在傳統(tǒng)大氣修正折射率廓線計(jì)算的基礎(chǔ)上，引入大氣折射率脈動指數(shù)，使得本方法在海氣界面交互異常復(fù)雜的近海面，計(jì)算得到的大氣修正折射率廓線更貼近真實(shí)大氣修正折射率廓線。

65、本發(fā)明使用敏感性分析的方法，在不同氣象條件下進(jìn)行敏感性分析，通過計(jì)算敏感性判別系數(shù)，精確分析不同溫濕度無量綱普適函數(shù)對氣象參數(shù)的敏感性，通過人工智能相關(guān)的智能優(yōu)化算法對溫濕度無量綱普適函數(shù)進(jìn)行系數(shù)優(yōu)化，使其更適用于目標(biāo)海域。