气象灾害是严重威胁人民生命财产的自然灾害,准确的气象预报能减少或避免各行业在生产、制造、仓储、物流等环节因气象灾害而产生的损失。准确的气象预报保障来源于探测数据资料的真实与准确,而探测数据的准确与否,又直接依赖于对气象仪器、传感器综合性能的计量、校准及考核试验。经过现场对气象仪器、传感器的计量检定工作实践,在学习了解目前气象部门采用的太阳辐射、大气压力、湿度、温度等气象数据及传感器灵敏度的换算关系和标定方法的基础上,为了减少监测仪表的灵敏度对气象数据的影响,本文以气象总辐射表为监测仪表,选择JJG 458-1996总辐射表检定规程作为标准,引入“小波算法”理论进行数据处理及仿真验证,计算其数据异常误差的消除对灵敏度的影响。论文任务主要包括现场工作实践、系统数据采集、数据信息分析与仿真验证。在数据信息的采集方面,因信息特征是精度高、间隔时间长,故采用传统的串行异步通信传输方式,设计了基于Windows平台的人机交互界面,以方便监测人员自动、批量采集数据、及时上传数据。在数据处理方面,本文探讨了异常数据处理对传感器灵敏度的影响,通过分析拉依达准则、肖维勒准则、格拉布斯准则、狄克逊准则的适用条件和优缺点,在用这些准则去粗差的基础上,着重探讨基于小波去细节误差的算法;小波去细差的步骤包括:将数据用小波分解,阂值处理,再进行重构,并用matlab仿真其去异常值的性能。对先去粗差,再去细差的这种多尺度误差处理方法进行仿真分析结果表明,小波去异常值的方法能对数据的细节异常进行修正,和传统的去异常值准则相比,灵敏度结果更加精准,为本课题的信息处理方法进行了有效验证,为行业标准的修订提供了参考依据。为了确保监测系统的准确度,本文基于标准辐射表数据,研究多个环境影响因素对辐射表数据的影响,包括温度、湿度、云量等,并用分布回归、多维线性回归进行模型的预测,和检测值对比,当发现检测数据异常时即可进行实时告警,以提高检定工作的效率。