面向低空通航机场的跑道视程与低云智能预报模型设计.docxVIP

PAGE2

面向低空通航机场的跑道视程与低云智能预报模型设计

摘要

低空经济的快速发展对通航机场气象保障提出了更高要求，跑道视程（RVR）与低云底高是直接影响飞行起降安全的关键气象要素。当前预报方法多依赖经验统计或数值模式，对局地温湿度、气溶胶等微物理因子刻画不足，导致预报精度与时效性难以满足通航运行需求。本设计以提升机场运行效率与安全性为目标，构建一种融合多源数据的智能预报模型。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。首先分析通航机场RVR与低云底高预报的痛点与功能需求，确定模型需具备数据预处理、特征工程、多步预报与结果输出等核心能力。随后设计四层系统架构，划分数据采集、预处理、模型训练、预报输出与可视化五大模块，并完成关系型数据库与时序数据存储设计。在详细设计中，重点阐述基于长短期记忆网络（LSTM）的预报模型内部结构、训练流程与关键算法，并给出数据接口与模型服务接口规范。实现阶段使用Python与TensorFlow框架完成模型开发，并通过气溶胶数据融合、缺失值插补等关键技术解决实际数据质量问题。测试结果表显示，模型对RVR预报的平均绝对误差低于150米，低云底高预报的均方根误差控制在安全阈值内，满足设计指标。创新点在于将气溶胶光学厚度与边界层温湿廓线引入预报因子集，并采用时序注意力机制提升关键时段的预报稳定性。本设计为低空经济气象保障提供