基于毫米波雷达的云中积冰区域研究

飞机产生结冰现象会严重威胁飞机飞行安全。毫米波雷达具有高精度、高分辨率等优点且广泛分布在各大机场，极大地提升了业务人员的判别速度。本文尝试利用遗传算法优化后的BP神经网络建立雷达观测数据与积冰指数间的非线性关系，同时与支持向量机(SVM)分类结果进行对比，结果表明通过遗传算法优化的BP神经网络具有较高的正确率、较低的虚警率以及漏报率，为飞机能够穿越云层提供了安全保障。

当飞机机体因过冷水滴冻结或水汽凝华而发生结冰现象称为飞机积冰。飞机积冰通常发生在含有过冷水滴的云、雾、冻雨或湿雪中。积冰会影响飞机的稳定性和操纵性，并使导航仪表和无线电通信设备失灵，严重时甚至导致飞行事故[1]。飞机积冰涉及许多方面，如飞机在穿越浓密云层、冻雨的环境中以及飞机播撒干冰进行人工增雨作业中等几种飞行情况[2] [3]；因此， 有效识别易产生飞机积冰的区域和气象条件，准确预报飞机积冰潜势区和积冰强度，对于保障飞行安全起着重要作用[4]。目前，许多学者对飞机积冰进行了相关的研究，在天气系统的研究上，陈静[5]等对洛阳到广汉的一次航线研究中，发现了冬季层状云中对流活动会造成严重的积冰；迟竹萍[6]统计分析了山东春秋季增雨作业天气系统，发现低压倒槽和南方气旋系统容易出现积冰；张利平[7]利用NCEP 再分析资料对新疆乌鲁木齐ARJ21 试飞的积冰个例进行了分析，发现在中高层西南急流和中底层冷空气补充的形势下，2700 m 以下弱上升区更适合发生强积冰所需的温湿度条件。在探测方式上，由于卫星资料可以间接反演出液态水含量、云滴大小等与积冰相关的气象参数[8] [9] [10]，许多学者利用卫星进行反演。如Ellrod 等[11]发展了多光谱阈值法处理GOES 卫星图像数据识别云顶可能存在的过冷水；Smith 等[12]利用卫星反演了云顶温度、云顶相态、液态水路径、有效粒子半径等参数计算积冰危险指数；袁敏等[13]利用大量CloudSat 资料识别了飞机积冰环境中的过冷水滴分布。

而在积冰预报方法研究上， 王禹润等[14]利用成都双流机场的飞机积冰实例对比分析了IC 指数法、改进的IC 指数法以及SCEM 法的正确率；齐晨等[15]利用大量飞机积冰实例成功构建了飞机积冰的模糊逻辑隶属度函数，正确率可达80%以上；张宇驰等[16]利用积冰指数计算出虹桥机场空域中的积冰强度。

综上所述，在探测方式上，多利用卫星资料反演对积冰区域进行划分，而本文为首次利用毫米波雷达探测数据，通过遗传算法优化的BP 神经网络对云中粒子进行定性判断。最后通过支持向量机(SVM)分类结果进一步验证该神经网络是否具有良好的泛化性能。