基于機器學習樹模型的GNSS-R海面風場反演研究
發(fā)布時間:2022-07-11 10:05
海洋表面風場是海洋重要的動力學參數,幾乎與所有的海洋活動密切相關。全球衛(wèi)星導航定位系統(Global Navigation Satellite System,GNSS)不僅可以用于傳統的導航和定位,還可以利用其前向散射信號進行遙感應用研究,該技術稱為GNSS反射信號遙感技術(GNSS-Reflectometry,GNSS-R)。GNSS-R技術憑借其低成本、全天候、高時空分辨率、覆蓋范圍廣等優(yōu)點得到了廣泛的關注,經過幾十年的發(fā)展,在海洋高度、海面風場、海面溢油、土壤濕度等方面都有所應用。本文以GNSS-R技術結合機器學習樹模型算法反演海面風場為研究方向展開了相關工作。本文利用TDS-1(TechDemoSat-1)衛(wèi)星與歐洲中期天氣預報中心(European Centre for Medium-Range Weather Foresting,ECMWF)分析場數據進行時空匹配得到原始樣本集。對原始樣本集進行預處理后得到適合機器學習樹模型學習的訓練集和驗證集。訓練集用于樹模型的訓練,驗證集主要用于檢驗學習器的反演精度。用五種常用的樹型模型決策樹、隨機森林、GBDT、LightGBM以及X...
【文章頁數】:91 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景與意義
1.2 GNSS-R技術反演海面風場研究現狀
1.2.1 國外研究現狀
1.2.2 國內研究現狀
1.3 本文的研究目標與研究內容
1.4 論文的組織結構
第2章 相關理論與技術概述
2.1 GNSS-R技術
2.1.1 GNSS系統
2.1.2 GNSS-R幾何關系
2.1.3 GNSS反射信號的接收與處理
2.2 機器學習
2.2.1 決策樹
2.2.2 GBDT
2.2.3 隨機森林
2.2.4 LightGBM
2.2.5 模型評價標準
2.2.6 交叉驗證
2.2.7 模型融合
2.3 本章小結
第3章 基于機器學習樹模型的GNSS-R海面風場反演
3.1 數據集介紹與預處理
3.2 機器學習訓練整體流程
3.3 基于滑動窗口的海面風場反演
3.3.1 滑動窗口
3.3.2 模型訓練
3.3.3 反演結果及分析
3.3.4 模型融合
3.4 本章小結
第4章 海面風場反演樹模型影響因子分析
4.1 赤道兩側緯度變化對反演的影響
4.2 基于南北半球反演差異分析
4.3 基于晝夜變化反演結果分析
4.4 本章小結
第5章 結論和展望
5.1 結論
5.2 展望
參考文獻
作者簡歷及攻讀學位期間發(fā)表的學術論文與研究成果
致謝
本文編號:3657969
【文章頁數】:91 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景與意義
1.2 GNSS-R技術反演海面風場研究現狀
1.2.1 國外研究現狀
1.2.2 國內研究現狀
1.3 本文的研究目標與研究內容
1.4 論文的組織結構
第2章 相關理論與技術概述
2.1 GNSS-R技術
2.1.1 GNSS系統
2.1.2 GNSS-R幾何關系
2.1.3 GNSS反射信號的接收與處理
2.2 機器學習
2.2.1 決策樹
2.2.2 GBDT
2.2.3 隨機森林
2.2.4 LightGBM
2.2.5 模型評價標準
2.2.6 交叉驗證
2.2.7 模型融合
2.3 本章小結
第3章 基于機器學習樹模型的GNSS-R海面風場反演
3.1 數據集介紹與預處理
3.2 機器學習訓練整體流程
3.3 基于滑動窗口的海面風場反演
3.3.1 滑動窗口
3.3.2 模型訓練
3.3.3 反演結果及分析
3.3.4 模型融合
3.4 本章小結
第4章 海面風場反演樹模型影響因子分析
4.1 赤道兩側緯度變化對反演的影響
4.2 基于南北半球反演差異分析
4.3 基于晝夜變化反演結果分析
4.4 本章小結
第5章 結論和展望
5.1 結論
5.2 展望
參考文獻
作者簡歷及攻讀學位期間發(fā)表的學術論文與研究成果
致謝
本文編號:3657969
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3657969.html