發(fā)布時間：2018-10-11 12:36

【摘要】：研究利用神經(jīng)網(wǎng)絡(luò)方法處理微波散射計數(shù)據(jù),反演海面風(fēng)場。重點研究海洋二號(HY-2)衛(wèi)星微波散射計數(shù)據(jù)反演,特別是中高風(fēng)速條件下的風(fēng)場反演。其中風(fēng)速的反演基于后向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò);多解風(fēng)向的反演基于混合密度(Mixture Density Network,MDN)神經(jīng)網(wǎng)絡(luò),求解過程中的核函數(shù)采用高斯分布;網(wǎng)絡(luò)訓(xùn)練的目標(biāo)風(fēng)場采用歐洲中期天氣預(yù)報中心(European Centre for Medium-range Weather Foresting,ECMWF)模式風(fēng)場。通過與ECMWF風(fēng)場的比較,利用神經(jīng)網(wǎng)絡(luò)方法反演的風(fēng)場可以滿足HY-2微波散射計風(fēng)場反演的精度要求。同時通過與國家衛(wèi)星海洋應(yīng)用中心發(fā)布的HY-2微波散射計L2B級風(fēng)場產(chǎn)品相比較,表明該方法反演的風(fēng)場更接近ECMWF模式風(fēng)場。
[Abstract]:The neural network method is used to deal with the data of microwave scatterometer and to retrieve the wind field of the sea surface. The inversion of microwave scatterometer data of Ocean 2 (HY-2) satellite, especially the inversion of wind field at medium and high wind speed, is studied in this paper. Wind speed inversion is based on backward propagation (Back Propagation,BP) neural network, multi-solution wind direction inversion is based on mixed density (Mixture Density Network,MDN) neural network, and the kernel function is Gao Si distribution. The target wind field for network training is based on the European Center for Medium-Term Weather Prediction (European Centre for Medium-range Weather Foresting,ECMWF) model. Compared with ECMWF wind field, the wind field inversion using neural network method can meet the accuracy requirements of HY-2 microwave scatterometer wind field inversion. By comparing with the HY-2 microwave scatterometer L2B wind field released by the National Satellite Ocean Application Center, it is shown that the wind field obtained by this method is closer to the ECMWF model wind field.
【作者單位】： 中國科學(xué)院微波遙感技術(shù)重點實驗室中國科學(xué)院國家空間科學(xué)中心;中國科學(xué)院大學(xué);國家衛(wèi)星海洋應(yīng)用中心;
【基金】：中國科學(xué)院國家空間科學(xué)中心微波遙感技術(shù)重點實驗室開放課題(MLF2015003)資助
【分類號】：P714.2;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張迎春,肖冬榮,趙遠(yuǎn)東;基于時間序列神經(jīng)網(wǎng)絡(luò)的氣象預(yù)測研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2003年02期

2 普布貴吉;周明君;普布次仁;;神經(jīng)網(wǎng)絡(luò)方法在高原天氣預(yù)報中的應(yīng)用[J];西藏科技;2007年09期

3 韋一;佘勇;王賢勤;;基于模糊Hopfield神經(jīng)網(wǎng)絡(luò)的大氣降水粒子分類[J];成都信息工程學(xué)院學(xué)報;2007年05期

4 孟雷;何宜軍;伍玉梅;;一種改進(jìn)海面風(fēng)速反演的分類神經(jīng)網(wǎng)絡(luò)方法[J];海洋與湖沼;2009年02期

5 張立祥,陳力強,韓秀君,劉文明;遼寧神經(jīng)網(wǎng)絡(luò)降水預(yù)報系統(tǒng)[J];遼寧氣象;1999年01期

6 李玲萍;尚可政;錢莉;;最優(yōu)子集神經(jīng)網(wǎng)絡(luò)高溫預(yù)報模型[J];干旱區(qū)地理;2012年01期

7 王業(yè)宏,金龍;基于自然正交展開的神經(jīng)網(wǎng)絡(luò)長期預(yù)報模型[J];自然災(zāi)害學(xué)報;2003年02期

8 張穎超;劉玉珠;;基于相空間重構(gòu)的神經(jīng)網(wǎng)絡(luò)月降水量預(yù)測方法[J];計算機仿真;2014年01期

9 張欣;修春波;劉新婷;于婷婷;;基于遲滯神經(jīng)網(wǎng)絡(luò)的風(fēng)速時間序列預(yù)測[J];天津工業(yè)大學(xué)學(xué)報;2012年04期

10 王等明;;神經(jīng)網(wǎng)絡(luò)方法在計算沙粒起躍初速度分布中的應(yīng)用[J];蘭州大學(xué)學(xué)報(自然科學(xué)版);2010年03期

相關(guān)會議論文 前10條

1 俞善賢;;神經(jīng)網(wǎng)絡(luò)和預(yù)報集成的若干問題及其對策[A];首屆長三角氣象科技論壇論文集[C];2004年

2 俞善賢;;神經(jīng)網(wǎng)絡(luò)和預(yù)報集成的若干問題及其對策[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

3 孫惠合;;宿州春季重旱發(fā)生年份的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型[A];中國氣象學(xué)會2008年年會干旱與減災(zāi)——第六屆干旱氣候變化與減災(zāi)學(xué)術(shù)研討會分會場論文集[C];2008年

4 張長衛(wèi);劉健文;王洪芳;;基于BP神經(jīng)網(wǎng)絡(luò)的單站總云量預(yù)報研究[A];中國氣象學(xué)會2008年年會天氣預(yù)報準(zhǔn)確率與公共氣象服務(wù)分會場論文集[C];2008年

5 郭在華;;基于神經(jīng)網(wǎng)絡(luò)的降雨量估計方法[A];中國氣象學(xué)會雷達(dá)氣象學(xué)與氣象雷達(dá)委員會第二屆學(xué)術(shù)年會文集[C];2006年

6 孟祥飛;繆偉斌;郭晴晴;王彩霞;郭倩;;基于RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行雷暴預(yù)測技術(shù)研究[A];第27屆中國氣象學(xué)會年會災(zāi)害天氣研究與預(yù)報分會場論文集[C];2010年

7 孟祥飛;繆偉斌;郭晴晴;王彩霞;郭倩;;利用神經(jīng)網(wǎng)絡(luò)預(yù)測雷暴技術(shù)研究[A];“推進(jìn)氣象科技創(chuàng)新，提高防災(zāi)減災(zāi)和應(yīng)對氣候變化能力”——江蘇省氣象學(xué)會第七屆學(xué)術(shù)交流會論文集[C];2011年

8 包紅軍;陳輝;田華;吳昊;趙琳娜;狄靖月;楊曉丹;;京珠高速公路低能見度(霧)神經(jīng)網(wǎng)絡(luò)預(yù)測模型[A];第28屆中國氣象學(xué)會年會——S10公共氣象服務(wù)政策體制機制和學(xué)科建設(shè)[C];2011年

9 曹廣真;侯鵬;鄭照軍;;基于BP神經(jīng)網(wǎng)絡(luò)的京津唐地區(qū)典型下墊面特征參數(shù)對氣溫和降水的影響研究[A];第28屆中國氣象學(xué)會年會——S2風(fēng)云衛(wèi)星定量應(yīng)用與數(shù)值[C];2011年

10 朱憲春;樂群;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的pm_(10)API指數(shù)預(yù)報[A];第七屆長三角氣象科技論壇論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 林開平;人工神經(jīng)網(wǎng)絡(luò)的泛化性能與降水預(yù)報的應(yīng)用研究[D];南京信息工程大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 馬亮;降水點分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 崔健;江蘇省能見度時空分布特征及其影響因子分析[D];南京信息工程大學(xué);2015年

3 吉孟然;面向氣象數(shù)據(jù)的智能分析方法研究[D];沈陽理工大學(xué);2015年

4 馬皓;大氣邊界層湍流信號的實測分析[D];上海應(yīng)用技術(shù)學(xué)院;2015年

5 陳廣;基于改進(jìn)PSO-RBF神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)測模型[D];蘭州大學(xué);2015年

6 呂道禹;遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在降雨量預(yù)測中的應(yīng)用[D];南昌工程學(xué)院;2015年

7 姜蘇;基于先導(dǎo)放電理論對閃電擊距的研究[D];南京信息工程大學(xué);2016年

8 劉丹楓;氣溫影響建模及其可視化研究[D];南京信息工程大學(xué);2016年

9 孫吉輝;基于人工神經(jīng)網(wǎng)絡(luò)模型的降水量預(yù)測研究[D];中國海洋大學(xué);2008年

10 王卿;量子神經(jīng)網(wǎng)絡(luò)的研究及其在氣象預(yù)測中的應(yīng)用[D];西安電子科技大學(xué);2013年

，

本文編號：2264216