Wolken

Projekt zu Wolken, Sensoren und neuronalen Netzen

Sensoren über I2C

Ein kombinierter Sensor für Temperatur, Luftfeuchte und Luftdruck wird über eine digitale Schnittstelle angebunden.

bme280

Bei der Berechnung der Wolkendeckung ist der Luftdruck möglicherweise ein wichtiger Faktor. Um meteorologische Grunddaten zu erfassen wird der Sensor BME280 verwendet. Einzelsensoren für Temperatur, Luftfeuchte und Luftdruck sind in einem Gehäuse untergebracht.

Sensorwerte in der Datenbank

Die Sensorwerte werden vorverarbeitet in die Datenbank geschrieben.

Datenbank

Für überwachtes Lernen des neuronales Netzes werden die abhängigen Parameter "Kalwolk, Kalcc, Kalreg" als Kalibrationsdaten in die Datenbank geschrieben.

Zeitlich zusammenhängende Werte werden, um gemeinsam als zeitinvariante Daten zum Training benutzbar zu sein, mit einer gleichen zID gespeichert.

Um als zeitlicher Parameter "zZeit" als Eingangswert des neuronalen Netzes linear verwendbar zu sein, ist die Tageszeit in "julianischen" Minuten kodiert. ;)

Sensoren für diffuses / direktes Licht

Mit zwei Helligkeitssensoren lässt sich der Grad der Bewölkung abschätzen.

Sensor 1 (Gesamt) misst über die Reflektionsfläche das direkte Licht der Sonne und das Umgebungslicht des Himmels. Sensor 2 (Zenit) misst ein Segment des Himmels, in dem sich die Sonne nie befindet. Bei bewölktem Himmel ist die Helligkeit bei Sensor 2 größer als bei Sensor 1. Bei wolkenlosem Himmel ist die Helligkeit bei Sensor 1 größer. Aus der Differenz lässt sich die Verdeckung der Sonne durch Wolken, also der Bewölkungsgrad ableiten.

Sensor 1 2

Weiter links oder unten liegende Datenpunkte repräsentieren eine höhere Helligkeit. Messwerte bei bewölktem Himmel (rot), und wolkenlosem Himmel (blau) lassen sich gut unterscheiden.

Wolkensensor und neuronale Netze

Ein Projekt zu Erkundung der Möglichkeiten neuronaler Netze. Mit wenigen Helligkeitssensoren wird der Deckungsgrad der Bewölkung gemessen.

sensorphalanx

Das Ziel des Projekts ist, die Programmierung und den Einsatz von künstlichen neuronalen Netzen zu erkunden. Im Versuchsaufbau werden mehrere Sensoren (Helligkeit, Luftdruck, Luftfeuchtigkeit) an einen Einplatinencomputer angeschlossen. Messwerte werden in regelmässigen Abständen in einer Datenbank gespeichert. Ein neuronales Netz berechnet den Deckungsgrad der Bewölkung.

Sensorphalanx
Helligkeitssensoren (LDR) messen verschiedene Lichtparameter des Himmels. In einer Aufbaustufe werden auch Temperatur, Luftdruck und Luftfeuchte gemessen.
Datenaquisition
In z.B fünfminütigem Abstand werden die Sensoren abgefragt, und die Messwerte an die Datenbank geschickt.
Datenbank / Frontend
Aktuelle Messwerte werde ausgelesen und in einem Dashboard angezeigt. In einer Histogrammdarstellung wird ein zeitlicher Verlauf dargestellt.

Für die Berechnung der Bewölkung werden mehrere Helligkeitswerte und andere Parameter erfasst:

Direktes und diffuses Licht
Ein LDR-Sensor ist nach unten auf eine halbkugelförmige Reflexionsfläche gerichtet. Direktes Sonnenlicht, als auch diffuses Umgebungslicht des Himmels werden von der matten Oberfläche reflektiert.
Diffuses Licht
Ein Sensor ist ins Zenit ausgerichtet. Durch Positionierung in einer Röhre wird der Messwinkel begrenzt, direktes Sonnenlicht fällt niemals auf diesen Sensor.
Blaus Licht
Im Messwinke begrenzt, und mit einer Farbfolie versehen messen zwei Sensoren jeweils den Rot- und Blauanteil des diffusen Lichts.
Tageszeit
Die Wolkendeckung bildet sich zu verschiedenen Uhzeiten u.U. in verschiedenen Farb und Helligkeitskombinationen ab.
(Luftdruck, Temperatur, Luftfeuchte)
Die vorherrschende Wolkenart wird möglicherweise stark durch diese Parameter bestimmt. Die Sensoren werden in einer weiteren Ausbaustufe hinzugefügt.

Als Zielparameter sollen berechnet werden:

Wolkendeckung
Der Grad der Bewölkung, bei Cirrus die Abschwächung des Sonnenlichts durch die Wolken, bei Cumulus der Anteil an Bedeckung der Himmelsfläche.
Bewölkungsart
Das Spektrum von Cumulus- bis Cirrusbewölkung wird berechnet.