大气无规律运动现象与人类生活密切相关，需要重视气象特征及其变化规律并进行预测，从而减轻气象灾害对人类生活产生的影响。大气温度变化趋势的区域模式和垂直结构非常敏感。湿度是最重要的大气特征，目前，其垂直廓线还不是很清楚，大气压力随高度的变化趋势对于研究具有十分重要的意义。这些数据只通过地面装置是无法精确测量的。因此，本研究主要对这三种气象参数进行采集、分析和处理。采用神经网络算法对高空气象数据进行数据融合、训练、仿真和预测。同时，将多传感器数据融合理论用于数据分析，提供更多的气象数据特征，以满足研究人员的需求。 在数据采集部分，设计了一种用温湿压综合发生器检测温度、湿度和压力的传感器，能够提供稳定且均匀的温度、湿度和压力综合检定环境。传感器检定精度高，特别适用于气象行业中温湿度传感器的检定。将需要测试的高空温度、湿度和压力传感器进行标定实验并实施高空实验过程，得到相应的高空气象数据。使用MATLAB的数据处理功能，基于最小二乘法和多项式拟合基本原理，得到温度、湿度和压力传感器变化的回归分析表达式，以及高空气象参数的变化趋势和相关表达式。 在数据处理算法研究中，提出了高空气象数据采集系统中GPS授时异地同步算法，实现了不同地点测试的高空气象数据同步处理的目标。将设计的系统在不同地点测试高空气象数据，接收到的数据同步误差几十ns，满足系统设定的延迟要求，达到不同系统异地同步的要求。 在高空气象数据预测模型建立的过程中，通过BP神经网络分析高空数据。研究了BP神经网络基本算法，训练结果表明使用Fletcher-Reeves算法建立高空气象数据的预测模型效果最优。能够预测气象数据，为气象预测研究提供支持。同时，设计了基于BP神经网络的高空气象数据挖掘方法，可以有效地解决传统方法中的挖掘深度问题，对数据的特征提取有一定的辅助作用，能够促进高空气象数据挖掘方法的应用。此外，针对多种高空气象数据，采用多传感器数据融合方法，给出了多传感器数据融合原理、架构以及相应的数据融合算法，提出了基于数据融合技术的高空气象数据优化处理算法，从而优化高空气象数据处理能力以及预测准确度。

黑河学院

该项目为储备库项目资源，暂无效益分析内容。