共查询到18条相似文献,搜索用时 78 毫秒
1.
前向散射型能见度仪的研制 总被引:1,自引:1,他引:0
前向散射能见度仪测量前向散射光强度,确定大气的消光系数,进而获得大气的能见度值。基于上述原理,考虑雾天大气散射特性,研制了一台前向散射能见度仪样机。通过样机室外雾天散射光强测量值与实地能见度值的比较,给出之间的修正计算公式。样机还在外场与国外同类仪器进行了实测数据对比实验。 相似文献
2.
前向散射能见度仪测量误差的理论分析 总被引:4,自引:0,他引:4
前向散射能见度仪(FSVM)是测量能见度的主要仪器.从测量原理和散射理论出发,推导出了FSVM的探测方程,以此为基础,采用模拟计算与统计分析相结合的方法,分析了由于气溶胶性质不确定性和仪器光电机技术性能变化两方面引起的FSVM的8类误差源及其不确定度值.结果及分析表明:现有技术条件下仅考虑光电机性能不确定性而引起的能见度相对不确定度为4%;气溶胶性质不同而引起的相函数变化以及忽略吸收效应是FSVM的主要误差源,考虑到气溶胶性质的不确定性,能见度相对不确定度可达28%;若能识别出气溶胶性质,对于单一的雾、乡村型气溶胶和城市型气溶胶,能见度相对不确定度分别为7%、9%和18%;相函数对散射角的变化比较敏感,由于运输、架设和使用过程会对散射角产生相当的影响,必须对散射角进行校准.研究结果对FSVM的使用、改进和校准提供了理论支持. 相似文献
3.
建立了完整的散射式能见度仪(SVM)探测方程,搜集整理了典型天气条件下雾和气溶胶的观测资料,在此基础上,运用米散射理论计算并分析了雾和气溶胶的光散射特性及其对前向散射能见度仪(FSVM)和总散射能见度仪(TSVM)探测性能的影响。结果表明:大气散射特性显著影响SVM 的探测误差,且FSVM 受影响程度超过TSVM;雾天气下FSVM 与TSVM 的探测误差基本相当,而气溶胶天气下FSVM 探测误差比TSVM 约大6%;相同天气条件下,TSVM 接收的光通量约为FSVM 的7倍,但TSVM 泄露的散射光仍不能忽略,否则将导致较大的系统误差;若不计光通量测量误差,雾天气下FSVM 与TSVM 的探测误差分别为4.06%、5.54%,气溶胶天气下分别为35.80%、30.33%。所得结果可为SVM 的光路设计、误差分析和比对试验等提供支持。 相似文献
4.
5.
利用前向散射实现的双光路能见度激光测量系统 总被引:3,自引:2,他引:1
文中介绍的能见度测量系统 ,通过测量 0 .81μm激光光束在前向 30°方向的散射能及在直射方向的透射能 ,计算大气的散射系数 ,测量了能见度。该系统包括光学发射与接收、信号放大与处理及结果显示三部分。光学发射与接收部分主要由半导体激光器、准直镜、扩束镜、接收镜、截止滤光片、窄带干涉滤光片、PIN光电管等组成 ;信号放大与处理部分主要由电压跟随放大电路、采样保持电路、多路模拟开关电路、模 数转换电路、80 31单片机等组成 ;结果显示部分主要由显示器、打印设备、输出端口等组成。简述了该系统的工作原理及基本结构 ,对测量的稳定性、测量精度以及光、电干扰的抑制等技术难点进行了讨论 ,并给出相应的解决方案 相似文献
6.
7.
利用前向散射方法的跑道能见度激光测量仪 总被引:1,自引:0,他引:1
介绍了一种利用交叉型双光路前向散跑道能工激光测量仪。简要介绍了该测量仪的工作原理及基本结构,讨论了其中的技术难点及其相应的解决方法。 相似文献
8.
9.
10.
11.
基于直角棱镜的气体传感器在能见度测量中的应用 总被引:3,自引:0,他引:3
用基于两个相同直角棱镜构成的气室,以不同的灵敏度分时测量气室的输出光强度,来测定大气消光系数,再根据科施米德(Koschmieder)定律计算大气能见度。测试结果表明,用基于直角棱镜的气室测量的数值与直接透射法所测的数值具有很好的相关性,相关系数为0.98;直角棱镜底面的轻度污脏对测量的影响可不考虑,该方法抵抗环境污染影响的能力较强,提高了长期可靠性。气室输出光束被聚焦后,用光纤束接收并传输到光电探测器,有效抑制了旁轴光束的干扰,光纤分布的不均匀性产生的附加误差小于2.0%。将暴露大气中的光学元件加热,控制了结露现象产生的影响。 相似文献
12.
13.
14.
15.
16.
17.
为了探测和研究大气能见度与湍流特征,应考虑大气湍流气团运动与气溶胶粒子之间存在的复杂关系。但传统测量仪器只能单独测量能见度或者大气湍流,忽略了二者之间的相互作用。基于布格-朗伯定律与光强起伏原理,设计并实现了大气能见度与湍流同步测量系统。实测结果表明系统可用,与同行业已有仪器测量结果相对误差为6.7%。相对于传统仪器,其设计更为简捷,成本更加低廉。 相似文献
18.
利用安徽省高速公路能见度观测站网的分钟能见度及温湿风资料, 在全面分析能见度与各个气象要素相关
性的基础上, 重点探讨了高速公路能见度的短时预测模型。应用 BP 神经网络, 以湿度、温度、平均风速、瞬时风速、
极大风速作为 BP 神经网络输入层, 输出层为能见度, 结果表明整体试验数据偏差在可接受范围内。采用顺序试验样
本时, 相对误差在 20% 以内的占总试验次数的 68.6%; 在随机样本各次试验中, BP 网络模拟输出与检验样本的相关性
较好, 相关系数在 0.6∼0.8 之间; 低能见度随机样本试验结果表明, 模型输出值与样本值均方根误差集中在 700∼850 m
之间, 变化幅度不大, 说明神经网络算法具有较高的稳定性。 相似文献