| 【中文题名】 | 基于SSM/I数据的神经网络方法反演海面风场 |
| 【英文题名】 | Ocean Surface Wind Field Retrieval from SSM/I Data Using Neural Networks |
| 【学科专业】 | 物理海洋学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-7-5 |
| 【中关键词】 | 海面风场,神经网络,SSMI,辐射计测量,, |
| 【英关键词】 | ocean surface wind field,neural network,SSM/I,radiometry, |
| 【分类导航】 | 天文学、地球科学>海洋学>海洋基础科学>海洋物理学>> |
| 【论文摘要】 | 本文使用 SSM/I 辐射计资料,通过建立神经网络模型的方法进行全球海面风场的实时反演。分别讨论了使用神经网络方法反演海面风速和海面风向。重点分析海面风速的神经网络反演方法,分别建立单参数、多参数和复合多参数神经网络模型反演海面风速。对神经网络的结构、传递函数及训练方法对反演风速的影响进行了分析。发展了分类神经网络方法、循环型神经网络和联合型神经网络三种新型的神经网络对海面风速进行反演。对海面风向的反演主要是通过建立多个单参数、多参数和复合多参数神经网络模型进行探讨。
神经网络的训练和检验使用由 TAO 浮标和 NDBC 浮标的实测值与 SSM/I 辐射计亮温值的匹配得到的样本数据。数据被分成不同类型以便考察神经网络在不同天气及风速状态下的反演表现。在进行风速及风向的反演过程中,讨论了SSM/I 辐射计的 85GHz H/V 极化亮温通道对结果的影响。同时,分析了风向对风速反演的影响。
通过比较,本文中的神经网络方法反演海面风速的精度高于与以往的各种SSM/I 辐射计资料反演海面实时风速算法的精度。由于 SSM/I 辐射计资料里的风向信息微弱,对使用神经网络反演海面风向仅做探讨型研究。 |
| 【论文题纲】 |
|
中文摘要 |
4-5 |
|
Abstract |
5-7 |
|
第一章前言 |
7-22 |
|
1.1 辐射计反演海面风场简介 |
7-8 |
|
1.2 辐射计反演海面风场理论基础 |
8-10 |
|
1.3 辐射计反演海面风场主要算法及研究进展 |
10-19 |
|
1.3.1 物理方法 |
11-14 |
|
1.3.1.1 双极化辐射计反演方法 |
11-13 |
|
1.3.1.2 全极化辐射计反演方法 |
13-14 |
|
1.3.2 统计方法 |
14-19 |
|
1.3.2.1 单参数统计反演方法 |
15-18 |
|
1.3.2.2 多参数统计反演方法 |
18-19 |
|
1.4 总结 |
19-20 |
|
1.5 本论文工作介绍 |
20-22 |
|
第二章 SSM／I 辐射计简介 |
22-28 |
|
第三章 数据准备 |
28-32 |
|
3.1 浮标数据处理 |
28-29 |
|
3.2 SSM／I 辐射计亮温数据处理 |
29-30 |
|
3.3 卫星数据与浮标数据的匹配 |
30-32 |
|
第四章 神经网络方法反演海面风速 |
32-52 |
|
4.1 引言 |
32-33 |
|
4.2 反演海面风速神经网络模型的建立 |
33-37 |
|
4.3 风速反演结果分析与讨论 |
37-47 |
|
4.3.1 三种神经网络模型反演结果分析 |
37-41 |
|
4.3.1.1 不同状态下三种神经网络模型反演风速简单比较 |
37-38 |
|
4.3.1.2 对85GHzH／V 极化通道中风速信息验证 |
38-40 |
|
4.3.1.3 不同天气状态下三种神经网络反演风速与浮标风速比较 |
40-41 |
|
4.3.2 不同风速范围下复合多参数神经网络模型的反演结果分析 |
41-44 |
|
4.3.3 高低风速状态下神经网络反演效果分析 |
44-47 |
|
4.3.3.1 低风速状态下神经网络反演效果分析 |
44-45 |
|
4.3.3.2 高风速状态下神经网络反演效果分析 |
45-47 |
|
4.4 各种 SSM／I 数据海面风速反演算法比较 |
47-48 |
|
4.5 神经网络的结构对海面风速反演的影响 |
48-50 |
|
4.5.1 神经网络的层数和节点数对反演风速的影响 |
49-50 |
|
4.5.2 激活函数对神经网络反演风速的影响 |
50 |
|
4.5.3 训练方法对神经网络反演风速的影响 |
50 |
|
4.6 总结 |
50-52 |
|
第五章 三种特殊类型的神经网络方法反演海面风速 |
52-67 |
|
5.1 分类神经网络方法 |
52-59 |
|
5.1.1 高低风速分类的神经网络方法 |
52-55 |
|
5.1.2 天气分类的神经网络方法 |
55-57 |
|
5.1.3 考虑四种状况的分类神经网络方法 |
57-59 |
|
5.2 循环型的神经网络反演风速的方法讨论 |
59-62 |
|
5.3 分类、循环神经网络与复合多参数神经网络方法的比较 |
62-64 |
|
5.4 联合型神经网络方法讨论 |
64-65 |
|
5.5 总结 |
65-67 |
|
第六章 神经网络方法反演海面风向的探讨 |
67-78 |
|
6.1 引言 |
67-68 |
|
6.2 反演海面风向神经网络模型的建立 |
68-72 |
|
6.3 神经网络的训练和反演结果分析 |
72-78 |
|
第七章 结论 |
78-79 |
|
参考文献 |
79-83 |
|
发表文章目录 |
83-84 |
|
致谢 |
84 |
|
| 【DOI】 | LunWen.ID:2.2008.39370 |
