利用无线通信链路进行基于深度学习的大雾天气监测

为了以低成本、高时空分辨率进行大雾天气监测，提出一种利用无线通信链路进行基于深度学习的大雾天气监测方法。由于信道中不同浓度的大雾天气在信号中留有的特征不同，采集了4种不同浓度大雾下的无线电信号，建立无线电大雾天气监测数据集；通过在传统ResNet50网络中引入注意力机制并进行特征融合，得到改进后的A-ResNet50模型。利用A-ResNet50网络提取接收信号中留有的不同浓度大雾天气的特征，对四类不同浓度大雾天气进行分类识别，达到监测大雾天气的目的。所提方法在建立的数据集上进行了验证，相较于其他传统分类算法，本方法性能最优，最终识别准确率达到86.18 %，结果证明了该方法的可行性和有效性。     

一种基于水滴收集量代理模型的结冰试飞空域确定方法

针对自然结冰试飞空域确定时使用的结冰指数只能给出结冰概率和结冰等级的问题，提出一种新的方法。通过对美国联邦航空条例（FAR）25部附录C连续最大结冰条件采样，对采样点进行空气流场和水滴撞击特性求解，获得不同工况的水滴收集量；基于POD (Proper Orthogonal Decomposition)和Kriging构建水滴收集量代理模型；使用WRF(Weather Research and Forecasting)对目标区域进行气象模拟，获得温度以及液态水含量分布；使用代理模型对目标区域内水滴收集量进行预测，以中度结冰强度对目标区域进行划分；最后，针对2种飞行速度对试飞空域的影响进行研究。结果表明：代理模型能够很好地预测温度、液态水含量、水滴中值体积直径、高度以及速度对水滴收集量的影响；WRF获得的目标区域的温度、液态水含量与观测值符合良好；基于代理模型可快速获得目标区域水滴收集量分布及随时间的变化，还可获得适合自然结冰试飞的目标区域及结冰速度；飞行速度的增加使得水滴收集量增加，进而引起试飞空域的变化。本文对结冰试飞空域确定具有一定参考意义。     

对比阈值效应对跑道视程测量的影响

针对传统的日间跑道视程(RVR)计算过程中忽略人眼对比阈值的影响问题，理论分析人眼对比阈值的大小及偏差对RVR测量范围和精度的影响，分别测量与飞行一线密切相关的飞行、管制、应用气象3类专业学员的对比阈值，探究不同光环境下对比阈值的差异性对RVR测量的精度及对飞行运行中可接受的误差范围的影响。实验结果表明：相较于管制、应用气象学员2类实验对象，飞行学员的对比阈值更小，具有更好的能见度水平。背景亮度会影响对比阈值，亮度越大，对比阈值越小，对RVR观测有利，但是背景亮度增大或者添加眩光都会使实验对象之间的对比阈值差异增大，引起更大的RVR误差。该误差在大气状况良好时是可以接受的，但是在RVR小于800 m的低能见度状况下超出了规定范围，尤其是在RVR为400 m或800 m这种航空运行的关键节点，会对飞行活动产生影响，应考虑将对比阈值引起的偏差进行修正，以保证低能见度条件下的飞行安全和运行效率。     

基于气象数据系留气球状态参数计算

为分析系留气球在实际应用地气象条件下的系留状态，基于标准大气模型分别在标准大气和实际气象测量的参数下对系留气球主要状态参数重量、重心、0风速平衡俯仰角进行计算。结果表明，应用实际气象数据参数计算的结果会在标准大气计算结果的基础上呈现波动变化。通过不断积累气象数据，利用系留气球实际应用地气象参数计算可对后续系留气球设计进行指导，使系留气球更好地在任务地点使用。