考慮環境特征的無人機氣象探測數據關聯規則挖掘方法

康博識,苗傳海,侯暢,李宏碩,鄭宇

(1.遼寧省氣象裝備保障中心,遼寧 沈陽 110166;2. 中國氣象科學研究院 大氣成分與環境氣象研究所,北京 100081)

無人機作業特點是快速、靈活,尤其是在一些惡劣的環境和條件下,比如獲取海洋、高原、無人區的氣象資料,無人機的優勢就比較突出[1-2]。無人機飛行控制技術,能夠在較高的探測精度下連續工作,直接、有效地進行高空氣象數據的采集和傳輸,當前針對無人機氣象探測數據進行處理的研究,具有較好應用前景。

張宏偉等[3]軟件定義數據中心(SDDC)技術應用到民航氣象數據庫系統,改進民航氣象數據庫系統在傳統數據中心運行中的不足,運用虛擬化技術對本地區亞洲危險天氣咨詢系統進行改造,但該方法整體結構較簡單,研究深度不夠,考慮因素不足,影響其準確性;陳沖等[4]對氣象環境歷史數據進行處理,提出一種基于歷史數據挖掘的未來戰場氣象環境數據模糊預測的算法,通過模糊時間序列算法預測得出的是一個可能性區間,在該合理區間內進行預測擬合曲線的自定義,對氣象環境進行合理的干預調理,但該方法未考慮數據間的關聯性,使所得結果較單調,未突出氣象數據中的有效的信息。

以上述分析為基礎,研究了在環境特征下的無人機氣象探測數據,關聯規則的挖掘方法,在大量數據的分類對比下,實現氣象預測和報告等功能。

1 無人機氣象探測數據關聯規則挖掘方法

1.1 確認最優氣象探測環境

在無人機空域內,無人機航測高程不同,則氣象探測環境不同,為了獲取最優航測高程,需要根據無人機的機翼類型和發動機性能,計算最大爬升梯度[5]。

首先,在不同的飛行高度下,獲取極限爬升角度,通常為仰視角,在出發航線點到終止航線點的爬升梯度,受到仰視角大小的影響,夾角公式為:

(1)

(2)

式(1)和式(2)中:爬升過程中的最大角度用q表示;航線起點用w表示;航線終點用e表示;兩個坐標點之間的距離用t(e-w)表示[6]。

設置出發航線點到終止航線點,均位于空間坐標系中,起點航線點用w(xw,yw,zw)表示,終止航線點用e(xe,ye,ze)表示;其中w=1,2,…,r;e=1,2,…,r。

其次,計算探測航線方向。由于慣性作用力,改變飛行航線需要一定時間緩沖,需要在調整舵角基礎上考慮無人機的轉彎半徑[7]。在平面狀態下,通過直線段和圓弧段組合而成的復合路徑,約束無人機探測路程的最短路線,使其滿足無人機飛行的最小轉彎半徑,約束條件為:

ui≥umin

(3)

式(3)中:無人機最小的轉彎半徑用umin表示;半徑的約束條件用ui表示。在二維平面的模型板塊設定內,以轉彎半徑作為探測線路的曲率半徑,能夠保證在平面中進行矢量轉動。

最后,無人機的飛行軌跡路線上的每一個點,均要滿足曲率半徑大于最小轉彎半徑后,確認最優的氣象探測環境。

1.2 氣象探測環境參數特征

不同氣象探測環境參數特征與無人機氣象探測數據關聯,但是關聯度不一,例如在夏季和冬季的極端環境下,空氣中的溫度、濕度等數據變化會受到空氣氣流的影響,產生分層效應[8]。

設置夏季氣流可流通的高度界線,用p表示,在p點高度以上的流體氣流為冷空氣,在p點高度以下的流體氣流為暖空氣,瞬時氣流會接近于兩點之間的平均溫度,表達式為:

(4)

式(4)中:在最優的氣象探測環境內,能夠與瞬時氣流相關的因素,分別為區域的浮力以及高程,用hf和pf表示,單位為m/s2和m;該區域內的瞬時溫度用s表示,單位為℃。

以氣象特征為關聯指標,在不同的氣流轉換下對氣象數據進行預測。在無人機探測完畢的空域面積內,圈定出需要關聯的氣象數據,例如氣壓、相對濕度等,此時空域大小用d表示,單位為m3,確認尚未探測完畢的探測面積,挖掘空域內所有氣象參數特征,數據挖掘模型表達式為:

(5)

式(5)中:選定區域內的氣流系數用v表示;在頂部的氣流系數為v1,在區域底部的氣流系數為vk;兩個位置所在的局部面積[9],分別用d1和dk表示[10]。

無人機飛行軌跡具有靈動性,在進行氣象探測時,受氣象條件影響較大,需要在其執行探測任務時保證安全飛行,即以數據挖掘模型為同步操作,保持數據采集時間節點的一致性,分析氣象探測環境參數特征與無人機氣象探測數據關聯度。

1.3 無人機氣象探測數據關聯規則挖掘模型及求解

根據無人機的飛行性能以及空域條件,按照飛行計劃,在探測過程中同步建立數據挖掘模型,不間斷地進行氣象探測數據關聯規則挖掘[11],對氣象探測過程中的數據進行挖掘[12],以此確定不同高程下氣象數據的變化規律,并進行氣象環境的靜態驗證。

對時間序列中隱藏的環境因素進行挖掘[13],標準化處理無人機氣象探測數據,表達式為:

(6)

采用關聯規則中的奇異值分解方法,提取時間序列中的極端特征,達到消除極端影響因子的目的,表達式為:

(7)

當數據被分成多個小組后,能夠將最優的氣象探測環境特征參數歸類到所屬數據集合,對不同氣象類型進行判斷[14]?；诃h境特征關聯氣象數據,對照高程變化規律,靜態驗證氣象環境,完成考慮環境特征的無人機氣象探測數據關聯規則挖掘方法設計。

2 實驗測試與分析

將本文方法作為實驗組測試對象,選擇三組傳統挖掘方法作為對照組,分別為K均值聚類挖掘方法和模糊聚類挖掘方法,以及C均值聚類挖掘方法。將三組方法進行多輪對照實驗測試,比較不同方法下對氣象數據的挖掘準確率。

2.1 氣象數據樣本選擇

氣象數據可以反映天氣情況,包含天氣資料和氣候資料兩個類型,其中氣候資料主要指的是,采用氣象儀器探測到的原始資料,氣候資料是進行天氣分析和預報的資料,兩者具備極強的時效性。因此,在極短的時間內,若氣象數據發生變化后沒有對其進行準確的分析,則會影響后續的天氣預報結果。

現階段我國在各地均具備氣象觀測站,此次利用無人機技術對某省的氣象數據進行采集,以持續續航20 h的標準對該地區的氣象數據進行采集,將其作為此次實驗測試的樣本數據,具體如表1所示。

表1 無人機20 h內氣象探測數據示例

根據表1所示內容,無人機在設定的時間內,以每隔1 h為探測階段,對該區域內的氣象數據進行采集。探測的氣象數據主要包含三個內容,分別為氣壓和相對濕度以及時總雨量,其中時總雨量表示該時段內的降雨量。數據中該城市在探測期間的降雨量基本為0,表示在該時段內為非雨天,說明該城市在探測日當天的天氣為晴天。

通過無人機探測到的氣象數據,能夠清晰地看出該城市一天內的基本天氣變化情況,符合數據挖掘的要求,能夠進行數據關聯測試。將選擇的樣本數據上傳到MATLAB測試平臺中,分別連接四組挖掘方法,對選擇的數據樣本進行關聯測試。

2.2 多組數據挖掘時間測試

數據挖掘的過程主要是在海量的數據中對有效信息進行提取和分析,為保證本文方法具有有效性,此次實驗測試分為兩個階段。

首先進行第一部分測試,對選擇的數據進行運行時間測試,即在不同的探測時段內,四組方法對所得數據的挖掘時間,是否能夠保證在氣象數據發生變化時滿足時效性的需求。將所有探測到的數據導入測試平臺后,能夠直接對樣本數據的大小進行統計。

為減少此次實驗的測試時間,以5 h為一個時間間隔,對上述數據進行打包處理。統計完畢后對氣象數據包進行標記,其中A1組為4:00-8:00的數據,共含有數據12000條;A2組為9:00-13:00的數據,共含有數據14000條;A3組為14:00-18:00的數據,共含有數據16000條;A4組為19:00-23:00的數據,共含有數據20000條。四組方法的具體挖掘時間,如圖1所示。

(a)本文方法

(b)K均值聚類挖掘方法

(c)模糊聚類挖掘方法

(d)C均值聚類挖掘方法

根據圖1所示內容,四組數據的詞條數量是逐漸增加的,在本文方法下對不同大小的氣象數據,均能將挖掘時間保持在4.80s之內,快速地完成數據的關聯。而兩組傳統方法的挖掘時間會隨著樣本數據的詞條數據增加,挖掘的時間也會隨著增加,其中在K均值聚類挖掘方法和C均值聚類挖掘方法下,所用的挖掘時間大幅度增長。

綜合實驗結果可知:本文方法能夠在較短時間內完成數據關聯,對氣象數據挖掘的時間越短,才能夠在氣象數據變化中保證預測的時效性。

2.3 氣象數據挖掘的關聯效果對比

在對比不同方法的挖掘時間下,能夠看出本文方法的有效性,以此進行實驗測試的第二階段,即氣象探測數據的挖掘效果對比。將20 h內的相對濕度變化進行繪制,在不同的挖掘方法下進行數據對比,每組數據的挖掘時間控制在10s之內,具體情況如圖2所示。

(a)原始數據

(b)本文方法與K均值聚類挖掘方法

(c)模糊聚類挖掘方法與C均值聚類挖掘方法

根據圖2所示內容,在本文方法下挖掘到的數據結果,能夠與實際的相對濕度數值相匹配,而三組傳統方法的關聯結果,與實際數據值存在一定差距,其中仍以K均值聚類挖掘方法和C均值聚類挖掘方法的差距較大。綜合實驗結果可知:本文方法無論是從挖掘時間還是挖掘效果上,都能夠優于傳統方法,具備實際應用價值。

3 結 論

在分析環境特征的基礎上,重新設計了一個氣象數據的挖掘方法,對無人機的氣象探測數據進行有效關聯規則挖掘,隨著氣象數據包的含量增加,均能夠將時間控制在4.8 s以內,能夠保證氣象數據變化的時效性。