湿度传感器检定条件的影响

来源 :气象科技 | 被引量 : 0次 | 上传用户:fly_wing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在湿度传感器检定过程中,除露点仪和温湿度箱引起检定结果的不确定度外,检定条件、操作不规范也会给检定结果带来附加误差.本文通过对标准器的各湿度点测得值标准偏差、露点仪工作时的热效应、掠过露点传感器的流量变化、露点仪最佳工作环境等进行了实际测试,结合湿度传感器测试历史资料,进行了综合分析.结果表明:①露点仪露点传感器的过流孔正对气流方向时,同温度下露点温度测得值偏高,露点仪测量的相对湿度偏小,否则会偏大.②在环境温度为20℃时,露点仪在各个湿度点上的n次测量值的标准偏差(离散性)最小.③露点仪的温度传感器在吸入式温湿度箱中,安装于露点传感器前端4 cm和后端4 cm时,其后端测得值比安装在前端测得值的最大值偏高0.45℃,相对湿度偏高0.5%.④各湿度点上的稳定时间(当箱内湿度达到设定值并趋于稳定后)应大于或等于20 s时,露点仪和被检湿度传感器采集到的标准值和测量值才真实.
其他文献
利用2017-2018年GRAPES-GFS模式预报资料和广西区域自动站逐时气温观测资料,分析模式预报偏差特征,发现GRAPES-GFS模式对广西区域2 m温度的预报系统性偏低,随着预报时效增加,预报偏差增大,系统性偏差主要出现在桂北山区、左右江河谷及沿海;春夏秋三季的午后气温预报偏差有明显的系统性,冬季午后气温和四季凌晨气温预报偏差的随机性较大.为了确定滑动订正的最优时窗,通过活动时窗长度的方法,设计不同的滑动订正方案,制定最优时窗滑动订正方案,并进一步利用2020年最优时窗滑动订正业务试验产品,对比验
基于机器学习方法的短临多气象要素预报系统(Weather Elements Nowcasting based on machine learning,简称WEN)具有高发布频次、高时间分辨率、基于候和时辰的复杂预报模型等特点.应用多维标签数组、机器学习工具、并行计算框架等Python库,以快速计算为目标,建立以预报模型覆盖时间范围为统计检验时间边界的检验子系统,客观给出预报性能,为模型调优效果评估、产品业务化运行提供依据.
本文针对"天擎"归档系统的建设需求、总体架构,提出系统实现的若干关键技术问题并进行深入分析,气象大数据云平台(以下简称"天擎")归档系统设计为面向海量数据归档存储的支撑系统,保障数据的安全完整。系统基于在线存储、离线存储以及磁带库管理软件,通过层次性结构体系、消息队列和微服务技术框架,实现多协议数据归档、敏感数据归档及转储数据归档等功能,满足各种新增数据归档业务场景,同时具备丰富的数据回取服务、数