【摘要】：云是天氣氣候的重要影響因子之一,目前世界上有超過三分之二的地區(qū)被云層覆蓋,云的存在能直接影響大氣輻射的傳輸過程,從而改變大氣輻射的時空分布。不僅如此,云層能直接參與水循環(huán)過程,因此世界各地的降水分布也與云層分布有關。在云底高度反演計算問題上,基于云高觀測儀的反演計算受人為主觀因素影響較為明顯,在計算結果上與實際云高存在一定的偏差。為構造性能更優(yōu)、智能化更高的云底高度反演計算模型,本文在處理云底高度反演計算問題上,將經(jīng)典機器學習算法和卷積神經(jīng)網(wǎng)絡通過集成學習策略相融合,設計一種融合多算法的云底高度智能反演計算模型MCHIIC。本文主要創(chuàng)新點包括:1、在本文MCHIIC模型的云高實況要素數(shù)據(jù)采集模塊中,為了能夠?qū)鲜庀笈_所給定的相關數(shù)據(jù)進行實時篩選,以提取出適合云高反演計算的相關實況要素數(shù)據(jù),本文設計了一個云高要素數(shù)據(jù)篩選器CLHF來實現(xiàn)對云高實況要素數(shù)據(jù)的提取,即當相關數(shù)據(jù)發(fā)生變化時,CLHF能以根據(jù)數(shù)據(jù)的變化,不限時間、地域、地形和觀測站點個數(shù)的限制精確篩選出模型需要的云高數(shù)據(jù),大量減少了人為篩選工作所帶來的誤差以及工作量。2、在本文MCHIIC模型的卷積處理模塊中,通過對經(jīng)典損失函數(shù)Softmax loss做出改進,在Softmax loss上對輸出矩陣ω和偏置b進行了修改,設計出了針對于云高反演的損失函數(shù)CLH-Softmax loss,使得反演結果能維持在一個更加合理的區(qū)間,從而進一步提升云高分類輸出的精度。3、在MCHIIC模型的云高分類輸出模塊中,為了進一步提升模型在云高實況要素數(shù)據(jù)集上的分類精度和泛化能力,本文提出多加權融合算法(Weighted Fusion,WF)和基于權重修正單元的堆疊套袋(Weighted-Regulate-Unit-StackingBagging,WRUSB)算法,在WF算法中,本文對CLH-CNN分類器和Adaboost分類器輸出之后的結果做加權輸出并輸入到Softmax層進行概率分析。在WRUSB算法中,本文在Bagging算法投票輸出之前對基分類器的輸出權重做出了調(diào)整,對每個輸出根據(jù)輸出權重的大小賦予不同的修正系數(shù),并用投票法的方式得到云底高度反演結果,在提升模型泛化能力的同時也提高了輸出的分類精度。
【圖文】：

圖 1-1 激光測云儀實測回波信號 圖 1-2 噪聲抑制處理后的回波信號圖 1-3 地基紅外測云儀反演結果 圖 1-4 全天空紅外掃描成像儀反演結果西方發(fā)達國家早在上世紀就已經(jīng)將云高觀測業(yè)務化，1996 年美國 Sandia 國家實驗室 Mark 等實現(xiàn)了對云高觀測的業(yè)務化[14]，通過對不同位置的云體拍攝結合光流匹配等算法得出云層圖片的同名點，，從而計算出云底高度，其中用于觀測的激光云高觀測儀產(chǎn)自芬蘭 Vaisala 公司，但該方法在當時所需成本太高，并

圖 1-1 激光測云儀實測回波信號 圖 1-2 噪聲抑制處理后的回波信號圖 1-3 地基紅外測云儀反演結果 圖 1-4 全天空紅外掃描成像儀反演結果西方發(fā)達國家早在上世紀就已經(jīng)將云高觀測業(yè)務化，1996 年美國 Sandia 國家實驗室 Mark 等實現(xiàn)了對云高觀測的業(yè)務化[14]，通過對不同位置的云體拍攝結合光流匹配等算法得出云層圖片的同名點，從而計算出云底高度，其中用于觀測的激光云高觀測儀產(chǎn)自芬蘭 Vaisala 公司，但該方法在當時所需成本太高，并
【學位授予單位】：湖南師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181;P412

【相似文獻】

相關期刊論文 前10條

1 朱曉蕾;錢越英;嚴衛(wèi);李冠林;安豪;;基于多源衛(wèi)星數(shù)據(jù)的云底高度反演算法在中國近海的應用研究[J];氣象科學;2019年04期

2 王青梅,張以謨,劉鐵根,鄭義忠;一種便攜式激光測云儀的云底高度反演方法[J];強激光與粒子束;2005年09期

3 梁W

本文編號：2656214