介绍

　　液体降水(雨)是简单的机械和电子测量之一，也是难做好、准确和有代表性的测量之一。有两种方法可以量化降雨量:数量——或累积——和强度。降雨量以英寸或毫米为单位表示为深度，以每小时降雨量表示为强度。降雨强度是造成降雨量测量误差的因素之一。

　　广泛使用的雨量计通常被称为翻斗。它有一个倾倒机构，位于一个漏斗的下面，当它装满一定体积的水时，这个倾倒机构可以前后倾倒。

　　毫不奇怪，在一些水流失和测量变得越来越不准确之前，跷跷板机构来回倾斜的速度是有限制的。换句话说，降雨累积的测量精度取决于降雨的速度或强度。

　　一般来说，液体降水误差的另一个重要来源是风，有时会造成高达20%的损失。RainVUE系列雨量计沙漏形状是专门为减轻风对集水的影响而设计的，有证据表明*它是有效的。

　　在坎贝尔科学公司，我们开发了一种强度校正算法，并将其集成到RainVUE系列智能雨量传感器中。在本文的剩余部分，我将描述我们开发和测试该算法的方法。

　　过程

　　大多数翻斗式雨量计在电子上非常简单——每一次翻斗都会导致一个开关闭合，这些开关闭合会被数据记录器记录下来。这意味着强度的两件事:

　　我们需要做的不仅仅是数小费。

　　雨量计需要添加一些东西来进行额外的测量(即计时)和计算。

　　所有这些都可以放入数据记录器运行的程序中。然而，为了简单易用，我们在仪表上增加了一个模块，用于进行计算，并通过SDI-12将数据传送给记录器，因此用户无需创建或维护复杂的程序。该模块还可以作为数据的备份，并在数据记录器失去通信和电源的情况下，使用内部电池继续运行一段时间。

　　一种校正强度的方法是首先计算强度(每小时的量)。然后，根据强度，计算一个修正量。我们选择了一种更直接的方法来校正强度的累积或数量，方法是测量叶尖间隔时间(TBT)，并将其用作每个叶尖降雨量的预测值。根据三丁基锡化合物和数量，通过简单的单位转换计算强度。

　　数据收集和模型开发

　　我们在每个RainVUE模型中使用了10个新的倾翻桶来收集数据。每个桶在12至16个固定模拟降雨率下运行三次重复(取决于模型和目标强度修正范围)。简单地通过高精度喷嘴运行测量的去离子水体积来模拟降雨。

　　对于大于100毫米/小时的速率，足够的水通过每个桶，以达到每次重复1，000个**。

　　对于较低的速率，每次复制至少使用330个提示。

　　(使用我们的测试设备，我们可以同时运行多达四个桶，但是对于每一个RainVUE型号，仅数据收集就需要大约1000小时或更长时间！)

　　利用已知的体积量和**数量的测量以及TBT的使用数据记录仪CR6，我们拥有开发校正模型所需的所有数据。使用回归，比较了几种模型的拟合度。示例函数模型形式包括幂律和指数衰减等。通过交叉验证和收集新数据，通过相互竞争模型来测试准确性。

　　解释:

　　交叉验证是将数据集拆分成训练和测试数据集的实践。例如，使用来自一半桶的数据来开发模型，使用来自其余桶的数据来测试模型。

　　结论

　　总的来说，这个项目是一个有趣的挑战，我希望这篇文章能对开发过程提供一些见解，并展示用于创建算法的强大方法，以增加高质量翻斗式雨量计的价值。

　　，原文链接地址：https://www.campbellsci.com.cn/blog/algorithm-rainfall-intensity-correction