корреляционно-регрессионный анализ результата измерений скорости направления ветра при сравнительных испытаниях установки РПВ и шаропилотной установки в скалярной форме.

Оглавление
Введение 6
1. Физические основы, методы измерения, приборы и оборудование для получения информации о параметрах ветра 9
1.1. Обзор методов измерения и расчета параметров ветра (скорости и направления) 9
1.1.1. Параметры ветра и основные особенности их измерения 9
1.1.2. Физические основы измерения параметров ветра и приборы детектирования параметров ветра 12
1.2. Обзор методов измерения и расчет параметров ветра (скорость и направление) 15
1.2.1. Методы и приборы прямого контактного измерения параметров ветра 17
1.2.2. Зондирование атмосферы 21
1.3. Шар-пилотные методы ветровых наблюдений 22
1.4. Физические принципы акустических методов 27
1.5. Акустические системы ветрового зондирования, содары 29
1.6. Системы радиоакустического зондирования (RASS) 33
1.7. Оптические ветровые профайлеры (лидары) 35
Глава 2 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПАРАМЕТРОВ ВЕТРА МЕТОДАМИ РПВ и ВММ 39
2.1 Параметры воздушных потоков и их исследование методами корреляционно-регрессионного анализа. Основные расчетные формулы. 39
2.2. Особенности применения корреляционно-регрессионного анализа расчета параметров ветра 47
2.3. Методика непосредственной обработки результатов серийных измерений параметров ветра 56
2.4. Особенности расчетов на ЭВМ 63
2.5. Результаты обработки экспериментальных данных об измерениях скорости и направления ветра на ВММ и РПВ 66
ЗАКЛЮЧЕНИЕ 82
Выводы 83
Список использованной литературы 84

Методика непосредственной обработки результатов серийных измерений параметров ветра
Экспериментальные данные, полученные в процессе измерения параметров каких-либо процессов различными методами, могут не соответствовать друг другу. Это несоответствие может быть вызвано как физикой самих процессов, так и погрешностями приборов, грубыми ошибками и несовершенством самих методов или методик измерений. Следовательно, статистические оценки, позволяющие выявить существенные отличия исходных данных, важны для разграничения признаков и их влияния на вариативность измерений экспериментальных результатов.
Корреляционный и регрессионный анализ позволяют получить и анализировать вид зависимости, связывающей независимые переменные (факторы) и зависимую величину (результирующий признак). В настоящей работе корреляционно-регрессионный анализ используется для анализа параметров ветра (скорости и направления), полученных методами радиолокации профиля ветра (РПВ) и измерениях на высотной метеорологической мачте (ВММ).
Методы корреляционно-регрессионного анализа позволяют дать детальную количественную оценку не только уравнения, связывающего независимые и зависимые переменные, но также получить статистические оценки как адекватности функции в целом, так и значимости отдельных составляющих. Результаты измерений параметров ветра, полученные ВММ (YВММ), связаны с данными РПВ как независимой переменной XРПВ существенно линейной зависимостью как для скорости, так и направления ветра:
YВММ = а0 + а1 ХРПВ , (2.32.)
где а0 – свободный член уравнения, определяющий сдвиг значений результирующего признака по оси Y;
а1 – коэффициент регрессии при независимой переменной, определяющий степень влияния Х на Y.
Для определения численных значений коэффициентов регрессии традиционно используются методы, рассмотренные в предыдущем параграфе. Прежде чем приступить к количественной оценке уравнений регрессии для наших экспериментальных данных необходимо выполнить проверку распределения на нормальность, поскольку основным условием корректности применения корреляционно-регрессионных методов, также как и большинства методов классической статистики, является принадлежность наблюдаемых случайных величин Хi и значений результирующей функции Yi нормальному закону распределения или близость к нему. Поэтому первым необходимым шагом является проверка распределения исходных данных на нормальность.
Ввиду того, что объем выборки изучаемых величин скорости и направления ветра в данных опытах составляют от 15 до 24 точек, т.е. небольшое число наблюдений, целесообразно использовать специализированные критерии, пригодные для проверки гипотезы о достаточном соответствии или близости эмпирического закона распределения нормальному. Доступные пакеты прикладных программ дают возможность быстро найти основные статистики выборки, позволяющие это сделать.
Так среднее квадратическое отклонение является одним из параметров многих распределений и в первую очередь нормального распределения. В нормальном распределении примерно 68% всех значений отклоняются от среднего уровня не больше, чем на одну величину среднего квадратического отклонения. Приблизительно 95% всех значений отклоняются от среднего уровня не более чем на две величины среднего квадратического отклонения. И около 99,7% всех значений лежат в пределах трех средних квадратических отклонений. Иначе это называется правилом трех сигм (3ϭ) и является наиболее распространенным критерием нормальности распределения случайной величины: с вероятностью 0,9973 все значения нормально распределенной случайной величины лежат в интервале ( - 3ϭ; + 3ϭ).
На этом основании правило трех сигм является критерием отбраковки грубых ошибок измерений или учета экспериментальных данных.
Уравнение регрессии также может быть получено путем построения на графике экспериментальных данных линии тренда выбранного типа (рис. 2.3).
Рис. 2.3. Регрессионная зависимость значений скорости ветра на высоте 150м, измеренных на ВММ и РПВ
Несмотря на то, что линия регрессии отражает наилучшее предсказание результирующего фактора по независимой х более детальные статистические оценки будут необходимы, поскольку на практике всегда будет наблюдаться некоторый разброс точек (, ) относительно прямой, т.е. будут иметь место так называемые остатки — отклонения отдельных точек от предсказанного значения (линии регрессии). Поэтому возникает необходимость в построении доверительного интервала для линии регрессии. С помощью доверительного интервала можно сделать прогноз значений переменной по уравнению регрессии.
Для этого определяется величина так называемого остаточного стандартного отклонения по формуле:
, (2.33)
где — так называемая групповая средняя, отыскиваемая по уравнению регрессии путем подстановки каждого значения , т.е. ;
— остаток регрессии.
Кроме того, величину можно определить по формуле, связывающей ее со стандартными отклонениями и значений переменных и , а также с коэффициентом регрессии :
. (2.34)
Далее определяются стандартные ошибки положения линии регрессии. Если необходимо предсказать среднее значение (т.е. условное среднее при данном , то стандартная ошибка вычисляется следующим образом:
. (2.35)
Данную формулу можно еще переписать в виде:
. (2.36)
Тогда доверительный интервал для условного среднего значения (математического ожидания) переменной при каком-то значении переменной будет выглядеть следующим образом:
, (2.37)
где — квантиль распределения Стьюдента для уровня значимости и числа степеней свободы .
Величина доверительного интервала зависит от значения переменной . При эта величина будет минимальна, а с удалением от среднего она будет увеличиваться.
Для индивидуальных значений переменной формула для определения стандартной ошибки при имеет вид:
. (2.38)
Данную формулу можно переписать следующим образом:
. (2.39)
Тогда доверительный интервал для прогнозов индивидуальных значений переменной будет определяться по формуле:
, (2.40)
где — значение переменной , найденное по уравнению регрессии при .
Доверительный интервал для индивидуальных значений будет несколько шире, чем для условных средних значений. Графически границы доверительного интервала представляют собой линии гиперболы, расположенные с двух сторон от линии регрессии.
Пример такого графика показан на рис. 2.4 для скорости ветра на высоте 150м, измеренной РПВ и ВММ.
Рис. 2.4 График исходных значений, лини регрессии, доверительного интервала для средних значений и доверительного интервала для индивидуальных значений, полученный на основании экспериментальных данных измерения скорости ветра на высоте 150м
В идеальной ситуации измерения параметров ветра, когда разбаланс отсутствует значения скорости ветра, измеренного РПВ и ВММ должны совпадать, т.е. между ними будет наблюдаться четкая линейная связь, а значение коэффициента корреляции тогда будет равно единице (). В этом случае значения объемов, откладываемые по осям абсцисс и ординат будут одинаковы и уравнение регрессии (*) будет иметь вид yx = x. Данное обстоятельство будет соответствовать тому, что коэффициент регрессии (наклона) будет равен единице (a1 =1), а свободный член (коэффициент сдвига) будет равен нулю (a0 = 0).
Однако в реальной ситуации точки на диаграмме рассеяния практически никогда не будут лежать на одной прямой в силу действия причин различного характера (случайного или неслучайного). Тогда и коэффициенты линии регрессии a1 и a0 будут отличаться от идеальных значений и расположение самой линия будет отличаться от линии, описываемой уравнением yx = x, как это показано на рисунке 2.4.
Особенности расчетов на ЭВМ
Алгоритм обработки результатов серийных экспериментов измерений параметров ветра на ЭВМ
В исследуемом процессе экспериментальные данные отражают пространственно-временное распределение воздушных потоков и представлены в виде временных и пространственных срезов изучаемого объекта:
1) как динамические (временные) ряды измерений параметров ветра, регистрирующие скорость и направление ветра в фиксированные моменты времени (рис. 2.5);
2) как пространственная информация – информация о поведении объекта (воздушных потоков) на нескольких фиксированных высотах в одном разрезе времени.
Основной целью рассматриваемой модели и ее реализации является расчет основных статистик полученных рядов данных, отбраковка ошибочных данных, расчет уравнения регрессии и его статистический анализ для установления адекватности полученных зависимостей.
Рис. 2.5 Пример динамического временного ряда параметров ветра, фиксированного на РПВ и ВММ
Её реализация была проведена с помощью встроенных функций пакета прикладных программ Excel, существенными преимуществами которого является доступность и широкая распространенность.
Основные шаги алгоритма обработки данных методами корреляционно-регрессионного анализа включают:
1. Сортировка матрицы { РПВ, ВММ } по возрастанию фактора РПВ.
2. Расчет основных статистик:
определение среднего значения выбранного ряда длиной n ячеек СРЗНАЧ(D1:Dn{диапазон ячеек листа Excel});
вычисление дисперсии: среднее квадратическое отклонение ϭ как КВАДРОТКЛ(D1:Dn)/n.;
проверка наличия грубых ошибок проводилась по правилу 3 сигм: нижняя граница ряда СРЗНАЧ(D1:Dn) – 3* КВАДРОТКЛ(D1:Dn)/n; верхняя граница ряда СРЗНАЧ(D1:Dn) + 3* КВАДРОТКЛ(D1:Dn)/n;
расчет критерия Стьюдента t для выбранного уровня значимости Р и числе степеней свободы (n-2) СТЬЮДРАСПОБР(1-C20;C21-2).
3. Определение параметров линейного приближения методом наименьших квадратов =ЛИНЕЙН(E4:E19;D4:D19;1;1), т.е. «ЛИНЕЙН(известные_ значения_ у; известные_значения_х; конст;статистика)». Результат, возвращаемый функцией, показан в табл. 3.
Таблица 3 Пример регрессионного уравнения и его статистических оценок, полученного встроенной функцией ЛИНЕЙН
n= 16 0,575024 =r a1 a0 0,565675 3,23706 S a1= 0,215101 1,811046 =S a0 R= 0,330653 0,7498 =Sост 6,915912 14 3,88813 7,870808
4. Расчет доверительных границ для средних и индивидуальных значений y.
5. Выводы об адекватности полученного уравнения.
2.5. Результаты обработки экспериментальных данных об измерениях скорости и направления ветра на ВММ и РПВ
Цель сравнительных испытаний РПВ и ВММ состояла в установлении и исследовании взаимосвязи измерений параметров ветра обозначенными двумя методами. Сравнения измерений были проведены для нескольких уровней метеорологической вышки в диапазоне высот от 150 до 300м, определяемые высотой метеовышки.
Ввиду того, что проводились серии испытаний на различных высотах, для обработки этих измерений целесообразно воспользоваться известными пакетами прикладных программ, позволяющими не только определить коэффициенты уравнения регрессии и их статистические оценки, но и строить необходимые наглядные графические отображения. Так, пакет Excel содержит функцию «ЛИНЕЙН(известные_значения_у; известные_значения_х; конст; статистика)», на входе которой временные ряды фактора и результирующей переменной, а на выходе – коэффициенты линейного уравнения регрессии, коэффициент множественной корреляции и их статистические оценки, определенные методом наименьших квадратов.
В первом варианте (табл. 4) были проведены испытания в 16 повторностях и получены временные ряды скорости ветра на РПВ (х) и ВММ (у). Рассчитаны основные статистики этих измерений: =СРЗНАЧ(F4:F19), =СТАНДОТКЛОН(F4:F19), значение критерия Стьюдента =СТЬЮДРАСПОБР(1-C20;C21-2) для выбранного уровня значимости 0 ,95. Далее с помощью функции =ЛИНЕЙН(E4:E19;D4:D19;1;1) были получены значения коэффициентов линейного регрессионного уравнения и их статистические оценки.
На рис 2. 6 показан график полученного регрессионного уравнения.
Таблица 4 Результаты сравнительных испытаний регистрации скорости ветра с помощью РПВ и ВММ на высоте 150м
16.03 Скорость 150 м Время Скорость № РПВ ВММ РПВ ВММ x1-x2 1 13:08 13:10 8,651721 6,917234 1,734487 2 13:38 13:40 9,643851 9,374432 0,26942 3 14:38 14:40 8,653209 9,038433 -0,38522 4 15:08 15:10 9,303299 7,977875 1,325424 5 15:38 15:40 8,062501 8,846396 -0,7839 6 16:08 16:10 7,242915 8,080983 -0,83807 7 16:38 16:40 8,850133 8,81187 0,038263 8 17:09 17:10 8,188927 8,018537 0,17039 9 17:38 17:40 7,93006 7,481002 0,449057 10 18:08 18:10 5,721264 6,131453 -0,41019 11 20:38 20:40 8,705372 8,770705 -0,06533 12 21:08 21:10 8,44784 6,68772 1,760119 13 21:38 21:40 8,565927 7,653125 0,912802 14 22:08 22:10 8,482143 8,042636 0,439507 15 22:38 22:40 8,477424 7,971608 0,505815 16 23:08 23:10 9,062294 7,783065 1,279228 P= 0,95 Ср (x1-x2) 0,400113 n= 16 S (x1-x2) 0,823121 xcp= 8,374305 t 2,144787 t/n^0,5 0,536197
В случае полного совпадения результатов измерений, значения скорости ветра, измеренной РПВ и ВММ должны совпадать, тогда между ними существует функциональная связь, а значение коэффициента корреляции тогда будет равно единице (). Однако в реальной ситуации точки на диаграмме рассеяния никогда не будут лежать на одной прямой в силу действия причин различного характера как случайного (нестационарная турбулентность), так и неслучайного (ошибки методики).
Рис. 2. 6 Регрессионное уравнение, связывающее ряды скорости ветра на высоте 150м РПВ (х) и ВММ (у)
Тогда и коэффициенты регрессии а1 и а0 будут отклоняться от единичных значений и расположение самой линии будет отличаться от описываемой уравнением , как это показано, например на рисунке (2.7).
На этом графике построена идеальная линия регрессии (описывается уравнением ух = х) и нанесены ее доверительные границы. Для данных этого опыта идеальная линия регрессии расположена внутри доверительных интервалов для фактических значений реальной линии регрессии, что означает: для заданного уровня значимости несовпадение результатов измерений скорости ветра РПВ и ВММ является статистически незначимым и на него оказывают влияние случайные факторы.
Рис 2.7 Доверительные интервалы для уравнения регрессии скорости ветра на высоте 150м
Во втором опыте измерения скорости ветра проводились на высоте 200м. Количество опытов – 15 (таблица 5).
На рис. 2.8 показан график регрессионной зависимости для высоты 200 м, на котором визуально видны большой разброс данных и их сильные отклонения от прогнозируемой прямой, коэффициент регрессии также является очень низким (r2 = 0, 0637).
Таблица 5 Результаты сравнительных испытаний регистрации скорости ветра с помощью РПВ и ВММ на высоте 200м
16.03. Скорость 200 м Время Скорость № РПВ ВММ РПВ ВММ x1-x2 1 13:08 13:10 4,775886 7,490007 -2,71412 2 13:38 13:40 5,44337 9,119711 -3,67634 3 14:38 14:40 3,754717 8,875806 -5,12109 4 15:08 15:10 2,099256 8,039179 -5,93992 5 15:38 15:40 4,180289 9,108881 -4,92859 6 16:08 16:10 4,339255 8,382544 -4,04329 7 16:38 16:40 3,62941 8,255695 -4,62629 8 17:09 17:10 7,840523 8,887026 -1,0465 9 17:38 17:40 2,790977 7,86431 -5,07333 10 20:38 20:40 3,617677 9,138469 -5,52079 11 21:08 21:10 8,250378 5,37247 2,877908 12 21:38 21:40 8,03699 8,315513 -0,27852 13 22:08 22:10 7,575433 8,851003 -1,27557 14 22:38 22:40 8,510473 8,190868 0,319604 15 23:08 23:10 3,546884 8,554727 -5,00784 P= 0,95 Ср (x1-x2) -3,07031 n= 15 S (x1-x2) 2,611927 xcp= 5,226101 t 2,160369 t/n^0,5 0,557805
Для этого опыта также были проделаны оценки доверительных интервалов (рис. 2.9), подтвердившие значительные отличия измерений неслучайного характера: фактические значения в опытах выходят за пределы доверительных интервалов.
Рис. 2. 8 Регрессионное уравнение для скорости ветра на высоте 200м РПВ (х) и ВММ (у)
Рис 2.9 Доверительные интервалы для уравнения регрессии скорости ветра на высоте 200м
В третьем опыте, проведенном на высоте 300м, было проведено 23 наблюдения (таблица 6).
Таблица 6 Результаты сравнительных испытаний регистрации скорости ветра с помощью РПВ и ВММ на высоте 300м
16.03. Скорость 300 м Время Скорость № РПВ ВММ РПВ ВММ x1-x2 1 11:38 11:40 9,661349 9,69227 -0,03092 2 13:08 13:10 9,820732 8,58923 1,231501 3 13:38 13:40 8,568598 9,198011 -0,62941 4 14:08 14:10 6,711726 7,547519 -0,83579 5 14:38 14:40 9,856695 9,097476 0,759219 6 15:08 15:10 10,05944 9,187375 0,872062 7 15:38 15:40 10,51206 9,693784 0,818273 8 16:08 16:10 9,178302 9,191286 -0,01298 9 16:38 16:40 9,259092 9,288323 -0,02923 10 17:09 17:10 10,18749 9,592599 0,594886 11 17:38 17:40 9,387071 8,097562 1,289509 12 18:08 18:10 9,018172 7,888083 1,130089 13 18:38 18:40 8,587741 8,690122 -0,10238 14 19:08 19:10 10,65218 9,685333 0,96685 15 19:38 19:40 12,14329 10,88069 1,262606 16 20:08 20:10 10,25303 9,786343 0,466691 17 20:38 20:40 10,94426 10,68451 0,259757 18 21:08 21:10 11,01179 10,25109 0,760703 19 21:38 21:40 11,3419 10,57732 0,764579 20 22:08 22:10 11,90852 11,47379 0,434725 21 22:38 22:40 10,61406 10,57613 0,037936 22 23:08 23:10 10,83281 10,5797 0,253115 23 23:38 23:40 10,83281 10,38438 0,448436 P= 0,999 Ср (x1-x2) 0,465662 n= 23 S (x1-x2) 0,578785 xcp= 10,0584 t 3,819277 t/n^0,5 0,796374
Рис. 2. 10 Регрессионное уравнение для скорости ветра на высоте 300м РПВ (х) и ВММ (у)
Рис. 2.11 Доверительные интервалы для уравнения регрессии скорости ветра на высоте 300м
Оба этих графика показывают достаточную статистическую значимость полученных уравнений; на рис. 2.11 идеальная линия регрессии расположена внутри доверительных интервалов для фактических значений реальной линии регрессии, что означает: для заданного уровня значимости несовпадение результатов измерений скорости ветра РПВ и ВММ является статистически незначимым и на него оказывают влияние случайные факторы.
Таким образом, в проведенных наблюдениях скорости ветра на РПВ и ВММ результаты одной из серий опытов - на высоте 200м – оказались статистически недостоверными и в этом случае необходим анализ причин, приведших к столь значительной зашумленности результатов. В двух других случаях – на высотах 150 и 300м – статистический анализ регрессионных уравнений показал, что на несовпадение значений измерений параметров скорости ветра РПВ и ВММ оказывают влияние факторы случайного характера.
Параллельно измерениям скорости ветра проводились наблюдения направления ветра. Методика обработки этих результатов полностью повторяет изложенную выше. Их результаты приведены в таблицах 7 – 9 и показаны на рис. 2.12 - 2.14.
В целом результаты сравнительных испытаний метода измерений параметров ветра РПВ и ВММ показывают более высокую статистическую достоверность и устойчивость результатов для направления ветра. Так, во всех трех сериях опытов на различных высотах получены статистически значимые результаты и достаточный уровень достоверности для регрессионных уравнений направления ветра.
Таблица 7. Результаты сравнительных испытаний регистрации направления ветра с помощью РПВ и ВММ на высоте 150м
16.03.2011 Направление ветра 150 м Время Направление № РПВ ВММ РПВ ВММ x1-x2 1 13:08 13:10 348,3868 348,3176 0,069235 2 13:38 13:40 353,8478 350,8279 3,019904 3 14:38 14:40 349,2908 347,4052 1,885558 4 15:08 15:10 348,7226 347,8314 0,891137 5 15:38 15:40 350,0163 353,7443 -3,72803 6 16:08 16:10 356,9788 353,6823 3,296558 7 16:38 16:40 355,6908 356,5619 -0,87104 8 17:09 17:10 357,4637 351,6447 5,818979 9 17:38 17:40 354,05 351,681 2,368976 10 18:08 18:10 344,4285 345,6798 -1,2513 11 20:38 20:40 369,4161 364,3526 5,063493 12 21:08 21:10 360,8027 363,44 -2,63734 13 21:38 21:40 360,474 361 -0,52601 14 22:08 22:10 358,55 361,6985 -3,14851 15 22:38 22:40 362,5287 363,3259 -0,79721 16 23:08 23:10 363,9794 363,6546 0,324802 P= 0,95 Ср (x1-x2) 0,6112 n= 16 S (x1-x2) 2,79982 xcp= 355,9142 t 2,144787 t/n^0,5 0,536197
Рис. 2. 12 Регрессионное уравнение для направления ветра на высоте 150м РПВ (х) и ВММ (у)
Рис. 2.13 Доверительные интервалы для уравнения регрессии напрвления ветра на высоте 150м
Таблица 8 Результаты сравнительных испытаний регистрации направления ветра с помощью РПВ и ВММ на высоте 200м
16.03.2011 Направление ветра 200 м Время Направление № РПВ ВММ РПВ ВММ x1-x2 1 13:08 13:10 105,5523 344,0005 14,25637 2 13:38 13:40 358,4877 344,2314 -11,3712 3 14:38 14:40 337,3025 348,6736 2,203165 4 15:08 15:10 348,4717 346,2685 -238,448 5 15:38 15:40 340,1551 351,6765 -11,5215 6 16:08 16:10 361,7195 353,1576 8,561877 7 16:38 16:40 353,5989 353,7551 -0,15615 8 17:09 17:10 358,2498 349,7775 8,472307 9 17:38 17:40 372,9355 351,2459 21,68957 10 20:38 20:40 373,709 363,3627 10,34628 11 21:08 21:10 365,686 362,8091 2,876907 12 21:38 21:40 367,2683 361,0143 6,254022 13 22:08 22:10 361,345 362,7439 -1,39886 14 22:38 22:40 353,871 363,9556 -10,0846 15 23:08 23:10 368,1806 363,1728 5,007813 P= 0,95 Ср (x1-x2) -12,8875 n= 15 S (x1-x2) 63,0958 xcp= 358,6415 t 2,160369 t/n^0,5 0,557805
Анализ данных, приведенных в этой таблице указывает на ошибочные данные в первом опыте (помечено красным фоном).
Рис. 2. 14 Регрессионное уравнение для направления ветра на высоте 200м РПВ (х) и ВММ (у)
Рис. 2.15 Доверительные интервалы для уравнения регрессии направления ветра на высоте 200м
Таблица 9 Результаты сравнительных испытаний регистрации направления ветра с помощью РПВ и ВММ на высоте 300м
16.03.2011 Направление ветра 300 м Время Направление № РПВ ВММ РПВ ВММ x1-x2 1 11:38 11:40 358,0057 344,0669 13,93879 2 13:08 13:10 346,5787 341,0213 5,557351 3 13:38 13:40 345,5 341,0822 4,41776 4 14:08 14:10 355,044 345,6696 9,37439 5 14:38 14:40 349,9788 343,0349 6,94392 6 15:08 15:10 348,6718 336,0742 12,59762 7 15:38 15:40 353,6673 347,0452 6,622188 8 16:08 16:10 364,3569 348,055 16,30197 9 16:38 16:40 359,0447 345,0859 13,9589 10 17:09 17:10 355,378 345,0446 10,3334 11 17:38 17:40 356,3675 349,0232 7,344281 12 18:08 18:10 357,7184 346,0104 11,70803 13 18:38 18:40 358,4027 356,054 2,348656 14 19:08 19:10 362,2422 356,0522 6,190024 15 19:38 19:40 368 357,0407 10,95933 16 20:08 20:10 365,3221 362,0634 3,258699 17 20:38 20:40 367,7228 362,0105 5,712312 18 21:08 21:10 366,3121 359,0216 7,290508 19 21:38 21:40 367,2847 359,0196 8,265136 20 22:08 22:10 369,8232 362,0096 7,813511 21 22:38 22:40 364,9462 362,0194 2,926801 22 23:08 23:10 368,1823 361,02 7,162228 23 23:38 23:40 368,1823 363,0313 5,150971 P= 0,9990 Ср (x1-x2) 8,094643 n= 23 S (x1-x2) 3,758673 xcp= 359,8579 t 3,792131 t/n^0,5 0,790714
Рис. 2. 16 Регрессионное уравнение для направления ветра на высоте 300м РПВ (х) и ВММ (у)
Рис. 2.17 Доверительные интервалы для уравнения регрессии направления ветра на высоте 200м
Сравнение результатов (см. табл. 4 - 9) показало, что среднеквадратическое отклонение результатов определения модуля скорости ветра разными средствами составило 0,579 – 0,823 м/с, а направления ветра, соответственно, 2,8 – 3,76°. Полученные различия находятся в пределах погрешности сравниваемых методов, что подтверждает надежность и точность измерения профиля ветра в атмосфере радиолокационными средствами.
Таким образом, достигается цель данной диссертационной работы – обоснование и оценка системы ветрового зондирования атмосферы, работающей в широком диапазоне метеоусловий.
ЗАКЛЮЧЕНИЕ
Поскольку метеорологических наблюдений средних скоростей ветра на произвольных высотах, как правило, не проводится, их количественная оценка является непростой задачей. Это объясняется многообразием и сложностью физических процессов, формирующих вертикальные распределения воздушных потоков. Получены регрессионные уравнения, рассчитанные методом наименьших квадратов, связывающие скорость ветра в точке с фиксированной высотой, измеренной в прямом наблюдении на РПВ и ВММ. Определена достоверность аппроксимации связи рассматриваемых величин, что позволяет оценивать качество полученной зависимости для величин скорости и направления ветра.
Средние годовые значения скоростей ветра на уровне, превышающем 200 м более надежно моделируются методами регрессионного анализа с использованием нелинейных уравнений с хорошим уровнем адекватности.
Эти регрессионные зависимости позволяют оценить среднюю скорость ветра на высоте по наземным измерениям. Оценки нарастания скорости ветра с высотой полностью соответствуют полученным в настоящей работе выводам.
Результаты работы могут быть использованы для технико-экономического обоснования в следующих случаях:
схемах размещения объектов повышенной опасности, таких как атомные станции;
оценки энергетического потенциала ветроэнергетических установок;
объектов, испытывающих повышенные ветровые нагрузки: высотные здания, вышки сотовой связи, строительные краны и др.
Выводы
Для статистической оценки и сравнения результатов измерения параметров ветра, измеренных посредством РПВ и высотной метеорологической вышкой, использовались линейные регрессионные уравнения. Их совпадение обладает достаточно высокой статистической достоверностью для высот, не превышающих 200м. Для больших значений высот линейные модели не во всех случаях обладали достаточной статистической достоверностью.
Нормальное распределение можно применять к статистической оценке скоростей ветра, используя показания на уровне ветроизмерительного прибора.
Для статистической оценки параметров профиля ветра их необходимо связать коэффициентами со средней скоростью на уровне ветроизмерительного прибора предлагаемыми уравнениями регрессии. Они обеспечивают достоверность на уровне значений множественной корреляции 0,90 - ,95.
Такая тесная связь обеспечивает надежную оценку параметров функций высоты по средним месячным и годовым скоростям ветра на сети метеорологических станций в заданном регионе.
Список использованной литературы
1. Белокрылова Т.А. Об изменении скоростей ветра на территории СССР // Труды ВНИИГМИ-МЦД, 1989, вып. 150, с. 38-47.
2. Берлянд М.Е. Теория изменения ветра с высотой // Труды НИУ ГУГМС, 1947. Сер. 1. Вып. 25.
3. Борисенко М.М. Вертикальные профили ветра и температуры в нижних слоях атмосферы //Труды ГГО. 1974. Вып. 320. – 205 с.
4. Борисенко М.М., Заварина М.В. Вертикальные профили ветра по измерениям на высотных мачтах // Труды ГГО, 1967, вып. 210.
5. Борисенко М.М., Кравченко И.К. Некоторые результаты исследований режима сильных ветров на Балтике и на северо-западе Европейской территории СССР // Труды ЗСРНИГМИ, 1979. Вып. 45, с. 41-51.
6. Борисенко М.М., Соколова С.Н., Корнюшин О.Г. Исследование климатических характеристик ветроэнергетических ресурсов // Гидрометеорология и метеорология: Обзорная информация. ВНИИГМИ-МЦЦ, 1987, № 4. – 50 с.
7. Бызова Н.Л., Иванов В.Н., Гаргер Е.К. Турбулентность в пограничном слое атмосферы. Л., Гидрометеоиздат, 1989.
8. Бызова Н.Л., Лунина А.А., Хачатурова Л.М. О восстановлении профилей ветра по данным наземной метеостанции // Труды ИЭМ, 1987. Вып. 41(126), с. 25-50.
9. Ветроэнергетика: Новейшие разработки (Под ред. Д. де Рензо. пер. с англ.). – М.: Энергоатомиздат, 1982. – 271 с.
10. Дубов А.С., Быкова Л.П., Марунич С.В. Турбулентность в растительном покрове. – Л.: Гидрометеоиздат, 1978. – 105 с.
11. Заварина М.В., Цверава В.Г. О вертикальном распределении сильных ветров в пограничном слое атмосферы // Труды ГГО, 1966. Вып. 200, с. 94-103.
12. Заварина М.В. Расчетные скорости ветра на высотах нижнего слоя атмосферы. – Л.: Гидрометеоиздат, 1971. – 162 с.
13. Климатические данные по пограничному слою атмосферы. Вып. 1. Скорость ветра в нижнем 100-метровом слое воздуха в условиях равнинной местности ЕТС. – М.: НИИАК, 1968. – 64 с.
14. Лайтхман Д.Л., Орленко Л.Р., Цейтлин Т.Х. Методы оценки ветровых ресурсов по полю давления // Методы разработки ветроэнергетического кадастра. – М.: Изд. АН СССР, 1963, с. 5-25.
15. Материалы высотных метеорологических наблюдений. Часть I-II. – М.: ЦВГМО, 1976-1985.
16. Метеорологический режим нижнего трехсотметрового слоя атмосферы. – М.: Гидрометеоиздат, 1984. – 83 с.
17. Новый аэроклиматический справочник пограничного слоя атмосферы над СССР. Т. 2. Статистические характеристики ветра. Книги 1-10. – М.: Гидрометеоиздат, 1986. – 184 с.
18. Орленко Л.Р. Строение пограничного слоя атмосферы. – Л.: Гидрометеоиздат, 1979. – 270 с.
19. Пограничный слой атмосферы. Труды ИПГ. Вып. 2. Данные наблюдений за 1962-1963 гг. –Л.: Гидрометеоиздат, 1965.
20. Проведение изыскательских работ по оценке ветроэнергетических ресурсов для обоснования схем размещения и проектирования ветроэнергетических установок. Методические указания. Руководящий документ. – М.: Госкомгидромет, 1991. 57 с.
21. Рекомендации по определению климатических характеристик ветроэнергетических ресурсов. – Л.: Гидрометеоиздат, 1989. – 80 с.
22. Сапожникова С.А. Изменение скорости ветра с высотой в нижнем слое воздуха // Труды НИУ ГУГМС, 1946. Сер. 1. Вып. 33. – 103 с.
23. Симонов Н.В. Запасы энергии ветра Казахстана // Материалы для изучения естеств. производ. сил СССР, 1927, № 62, с. 14-23.
24. Скляров В.М. Ветер в пограничном слое атмосферы над территорией СССР. Ч. 1. Европейская территория СССР. – М.: НИИАК, 1968. – 476 с.
25. De Marrais S.А. Wind profile at Brookhaven national laboratory // J. Meteorology, Apr. 1959, vol. 16, № 2, р. 117-123.
26. Diem M., Z edler P. Der Wind in der Bodennahen Schicht bis 100 m. // Hohe in Karlsruhe und Mulacker. Berichte Deutsch. Wetterdienst., 1964, №. 97, Bd. 13.
27. Palutikof J.P., Kelly P.M., Davles Т.О., Halliday I.A. Impacts of spatial and temporal wind speed variability on wind energy output. // J. Climate Appl. Meteorol., 1987. Vol. 26. № 9. р. 1124-1133.
28. Tosha M On the Wind speed profile in the lower atmosphere // Pap. Met. Geophys., Dec. 1953, vol. 4, № 3-4, р. 248-260.
5
Функциональные характеристики
Прямые
Контактные методы измерения
Флюгеры, анемометры
Косвенные
Пассивные
Шар-пилотные методы
Активные
Регистрация параметров ветра
Аэростатные, самолетные,
ракетные
Дискретные
Непрерывные
Дистанционное зондирование
Акустические методы
Нефункциональные характеристики
Электро-магнитные
Длительность мониторинга
СВЧ-диапазон
Периодичность измерений
Оптические (лидары)
P
H
C
α
β
O
P2
O
P1
P3
C1
C3
H1
C2
H3
β1
H2
α1