机构名称：
¥ 1.0
摘要 - 高级风剪（LLWS）是影响安全性，守时性和环境的最突出的航空危害之一。为了减轻其效果，几个机场已经配备了专用系统，能够识别跑道附近LLW的存在。这些系统通常包含不同设备的集合，包括终端多普勒天气雷达，多普勒光检测和范围，以及沿机场地面扩散的动态计网络。LLWS识别技术基于垂直风轮廓的测量，当检测到风向或强度的快速变化时发出警告。由于此方法基于实时数据，因此在即将进行的LLWS事件的可能性上没有提供有用的预测。此外，就购买和维护而言，与LLWS检测系统相关的成本非常高，因此其安装非常高。在这项研究中，我们根据使用机器学习（ML）技术（用于从地面站观测值和压力水平的数值天气模型获得的风数据）的技术研究了一种用于预测LLWS事件的新方法。这项研究是在考虑了Palermo-Punta Raisi国际机场的地点进行的，因为这是意大利机场最受LLWS现象的约束。从2007年到2022年，从ERA-5重新分析和ENAV的气象和航空数据库中提取的历史数据系列被用来训练和测试不同的ML分类模型，通过对特定评估指标的分析来搜索最佳表现。我们获得的结果非常令人鼓舞，我们相信我们的工作对于开发新一代的低成本和高效率ML基于ML的LLWS预测工具非常有用。
基于机器的低级风剪切预测...
主要关键词
相关文件推荐
