南极天文望远镜镜面结霜预测方法技术

本发明专利技术涉及南极天文望远镜镜面结霜预测方法，采集实测气象信息数据和镜面消光值数据；所述气象信息数据包括不同时刻的温度、风速和相对湿度；建立已采集气象信息数据和镜面消光值数据的关联模型；以关联的实测气象环境数据、消光值为输入层，预测消光值为输出层，设置延迟向量，4层隐含层，建立NARX时间序列神经网络模型，获取消光值预测值；设置消光值阈值，获取实时气象信息数据和镜面消光值数据，输入NARX时间序列神经网络模型，在消光值预测值达到阈值时显示报警信息，提示除霜操作。本发明专利技术针对南极望远镜智能化运行管理中的镜面结霜问题，提出了智能除霜方法，提高望远镜运行维护的效率和可靠性。

Frost Prediction Method for Antarctic Astronomical Telescope Surface

【技术实现步骤摘要】
南极天文望远镜镜面结霜预测方法
本专利技术属于光学及数据分析
，具体涉及南极天文望远镜镜面结霜预测方法。
技术介绍
南极DomeA因其优良的观测条件被誉为地球上最好的天文观测台址之一。DomeA温度常年处于-30℃～-80℃，相对湿度40％～80％，温度起伏大，望远镜镜面易结霜，影响天文观测的效率和质量。DomeA虽然是全球水汽最低的地区，但是其相对湿度却常常达到饱和状态，因此除霜问题变得非常重要。目前的技术条件未能找到合适的传感器检测霜，且在不影响天文观测的前提下安装在光学镜面上，因此不能形成可以实时监测结霜情况的闭环控制。目前大都依赖远程监控的图像，人工判断除霜效果，再远程调节加热功率。这样效率低，会中断观测，造成观测时间的浪费，且不能很好的与结霜情况匹配，无法控制开启加热膜的时机，从而导致无法控制加热对镜面视宁度的影响。
技术实现思路
本专利技术的目的在于提供一种南极天文望远镜镜面结霜预测方法。为实现上述技术目的，本专利技术采用如下技术方案：一种南极天文望远镜镜面结霜预测方法，包括如下步骤：(1)采集实测气象信息数据和镜面消光值数据；所述气象信息数据包括不同时刻的温度、风速和相对湿度；(2)建立已采集气象信息数据和镜面消光值数据的关联模型；(3)以关联的实测气象环境数据、消光值为输入层，预测消光值为输出层，设置延迟向量，4层隐含层，建立NARX时间序列神经网络模型，获取消光值预测值；(4)设置消光值阈值，获取实时气象信息数据和镜面消光值数据，输入NARX时间序列神经网络模型，在消光值预测值达到阈值时显示报警信息，提示除霜操作。作为本专利技术的进一步改进，所述气象信息数据包括-1m、0m、2m、4m海拔处温度，2米、4米海拔处风速及相对湿度。作为本专利技术的进一步改进，输入层包括8个输入节点，分别为7个环境特征输入量x，即温度、风速和相对湿度，和1个消光值输出量y。作为本专利技术的进一步改进，所述步骤(3)中，将输入数据的80％数据作为训练数据，10％作为验证数据，10％作为测试数据。作为本专利技术的进一步改进，所述步骤(4)中，阈值的获取方式为：获取摄像头图像数据及气象信息数据，挑选出晴夜数据，比对图像数据中的结霜状态和消光值，确定需要除霜的消光值阈值。南极望远镜的镜面结霜过程在时间上是一个渐进的过程，没有准确的描述模型，且影响望远镜镜面结霜的因素数量多、特性复杂，很难对镜面状态及影响其变化的变量之间做出准确的定量计算，本专利技术针对南极望远镜智能化运行管理中的镜面结霜问题，提出智能除霜方法，通过分析南极望远镜镜面的结霜机理，分析环境、科学数据、仪器三者的关系，以镜面消光值为预测指标，引入NARX时间序列预测模型进行镜面结霜状态的预测，根据预测结果模拟采取相应的应对措施，提高望远镜运行维护的效率和可靠性。附图说明图1是结霜引起的消光值增长过程；图2是温度变化曲线；图3是镜面结霜预测模型神经网络结构；图4为测试结果对比图；图5为测试结果误差变化图；图6是预测模型的误差自相关图；图7是预测模型的误差自相关图。具体实施方式实施例1本实施例具体说明预测指标的选择方式。在图像质量的指标中，消光(Extinction)反映了天体发射的光线被路途中的物质吸收和散射的状态。AST3天文数据的消光主要贡献是大气消光和镜面结霜。通过比对摄像头照片及气象信息，人工将晴夜数据挑选出来，则消光值基本可反映结霜情况(消光越大，结霜越厚)。如图1所示为某一天24小时内除霜后缓慢结霜引起的消光增长的过程，及对应的当天的温度数据(图2)。基本反映了温度上升时，镜面结霜情况的变化过程。由霜的形成机理可知，霜的形成决定于气象条件。因此，通过气象数据与消光等像质数据，建立气象信息与结霜的关系模型，结合摄像头监测图像的识别，进行结霜的预测和已结霜情况的判断。望远镜的运行状态是环境与望远镜及终端仪器共同作用的结果，结合南极光学望远镜镜面结霜现象的实际情况，可认为气象信息数据是影响镜面结霜的直接因素，图像质量数据中的消光值基本可反映镜面情况。因此，在南极望远镜镜面结霜预测模型中，将气象信息数据作为输入参数，将消光值作为输出目标。实施例2本实施例基于matlab具体说明本专利技术预测专利技术的模型建立和实现方式。1.数据样本采集通过整合2016年和2017年的气象信息数据和消光值数据，得到能反映镜面情况的数据共10000条左右，气象信息数据包括-1m、0m、2m、4m海拔处温度，2米、4米海拔处风速及相对湿度。2.建立已采集气象信息数据和镜面消光值数据的关联模型；根据积累的数据建立气象信息和对应镜面情况的关联数据模型，数据形式如下：各数据说明如表1所示：表1关联模型数据说明数据名称数据含义time时间tempsub温度(-1米)temp00温度(0米)temp02温度(2米)temp04温度(4米)ws02风速(2米)ws04风速(4米)rh相对湿度extinction消光值3.预测模型的建立和训练3.1设置神经网络设置神经网络的输入节点数为8，分别为7个环境特征输入量x(温度、风速、湿度)和1个消光值输出量y，输出节点数为1，代表消光值输出量。选取延迟变量为1:5，根据经验公式选取神经网络的隐含层为4，因此神经网络的结构为7个环境特征输入量和1个消光值输出量作为输入层，1个消光值输出量作为输出层，具体结构如图3所示。3.2预测模型的训练将输入和输出矩阵转换为cell类型的矩阵，选取trainbr训练函数进行数据训练，将样本数据的80％作为训练数据，10％作为验证数据，10％作为测试数据。设置预测网络removedelay预测下一时刻的消光值输出。3.3预测模型的测试和评价3.3.1预测模型的测试为了评估镜面状态预测模型的性能，利用训练完成的预测模型对2016年某天的南极望远镜观测数据样本进行测试，图4为其预测结果和实际结果的对比图，图5为预测结果和实际结果之间的误差变化图，可以看出，预测结果和实际结果的数值非常接近，二者的误差较小，因此，预测模型的预测准确度较高。均方误差用来衡量预测数据和目标数据之间的偏离程度，其值越小，表示神经网络预测的精确度越高。均方误差的公式如下式所示。其中：N为样本数据总数；y(t)为第t组期望输出值；y′(t)为第t组网络实际输出值。对上述测试样本的测试结果中预测消光值和实际消光值作MSE运算，测试结果的MSE为0.0066，说明该预测模型的预测精度较高。3.3.2预测模型的评价在神经网络的训练过程中，有两个评价预测神经网络预测性能的重要指标：误差自相关(ErrorAutocorrelation)和输入误差互相关(Input-ErrorCross-correlation)。误差自相关用来描述时间序列上预测数据与目标数据的误差之间的关联程度，它能够表示出不同时延下的误差自相关度，相关度值落在置信限内越多则说明预测效果越好。输入误差互相关以输入时间序列和误差时间序列表示出不同时延下的输入和误差之间的关联程度，同样，其相关度值落在置信限内越多则说明预测效果越好。图6、7分别为本实施例构建的神经网络模型的误差自相关图和输入误差互相关图，除了误差自相关在初始时刻的关联度较高外，其相关度都落在置信区间内，说明设计的神经网络满足预测要求。4.基于预测本文档来自技高网...

【技术保护点】
1.一种南极天文望远镜镜面结霜预测方法，其特征在于，包括如下步骤：（1）采集实测气象信息数据和镜面消光值数据；所述气象信息数据包括不同时刻的温度、风速和相对湿度；（2）建立已采集气象信息数据和镜面消光值数据的关联模型；（3）以关联的实测气象环境数据、消光值为输入层，预测消光值为输出层，设置延迟向量，4层隐含层，建立NARX时间序列神经网络模型，获取消光值预测值；（4）设置消光值阈值，获取实时气象信息数据和镜面消光值数据，输入NARX时间序列神经网络模型，在消光值预测值达到阈值时显示报警信息，提示除霜操作。

【技术特征摘要】
1.一种南极天文望远镜镜面结霜预测方法，其特征在于，包括如下步骤：（1）采集实测气象信息数据和镜面消光值数据；所述气象信息数据包括不同时刻的温度、风速和相对湿度；（2）建立已采集气象信息数据和镜面消光值数据的关联模型；（3）以关联的实测气象环境数据、消光值为输入层，预测消光值为输出层，设置延迟向量，4层隐含层，建立NARX时间序列神经网络模型，获取消光值预测值；（4）设置消光值阈值，获取实时气象信息数据和镜面消光值数据，输入NARX时间序列神经网络模型，在消光值预测值达到阈值时显示报警信息，提示除霜操作。2.根据权利要求1所述的一种南极天文望远镜镜面结霜预测方法，其特征在于，所述气象信息数据包括-1m、0m...

【专利技术属性】
技术研发人员：李晓燕，冯晴晨，
申请(专利权)人：中国科学院国家天文台南京天文光学技术研究所，
类型：发明
国别省市：江苏,32