文档名：基于多模型神经网络的湿度廓线反演研究
摘要：为提升微波辐射计对大气廓线探测的精度,利用ARM大气观测站提供的地基微波辐射计、毫米波测云雷达以及探空数据,构建了两种添加不同云信息的反向传播神经网络(backpropagationneuralnetwork,BPNN)模型(添加入云和出云高度的C-BPNN模型与添加雷达反射率因子的Z-BPNN模型)与一种未添加云信息的BPNN模型(记为BPNN0),并对反演结果进行了对比,结果表明:C-BPNN模型和Z-BPNN模型在任何天气下(有云或无云),得到的反演误差都小于BPNN0模型;C-BPNN相较于另外两种模型反演结果具有更高的稳定性.对3种模型各自反演结果最好的个例分析发现,C-BPNN与Z-BPNN模型主要的误差存在于高空无云但是相对湿度却出现跃变的情况,说明神经网络模型对初始权值与阈值较为敏感,因此通过遗传算法(geneticalgorithms,GA)对BPNN模型进行优化.经GA优化后的反演结果表明:BPNN0模型与C-BPNN模型具有明显优化效果,而Z-BPNN模型优化效果则不明显.
Abstract：Inordertoimprovetheaccuracyofthemicrowaveradiometerindetectingtheatmosphericprofile,twobackpropagationneuralnetwork(BPNN)modelswithdifferentcloudinformation(C-BPNNmodelwithcloudinletandcloudoutletheightaddedandZ-BPNNmodelwithradarreflectivityfactoradded)wereconstructedusingtheground-basedmicrowaveradiometer,millimeterwavecloudradarandradiosondedataprovidedbyUSARMatmosphericobservatory.TheinversionresultswerecomparedwiththeBPneuralnetworkmodelwithoutcloudinformation(BPNN0).TheresultsshowthattheretrievalerrorsofC-BPNNmodelandZ-BPNNmodelinanyweather(withorwithoutclouds)aresmallerthanthoseofBPNN0model;C-BPNNinversionresultsaremorestablethantheothertwomodels.Throughtheanalysisofthecasewiththebestinversionresultsofthethreemodels,itisfoundthatthemainerrorofC-BPNNandZ-BPNNmodelsexistsinthesituationthatthereisnocloudathighaltitudebuttherelativehumidityhasajump,whichindicatesthattheneuralnetworkmodelissensitivetotheinitialweightandthresholdvalue.Therefore,theBPNNmodelisoptimizedbygeneticalgorithm(GA).TheinversionresultsafterGAoptimizationshowthatBPNN0modelandC-BPNNmodelhaveobviousoptimizationeffects,however,theoptimizationeffectofZ-BPNNmodelisnotobvious.
作者：王金虎 肖安虹 陈后财 王昊亮 刘萱 蔡海强 Author：WANGJinhu XIAOAnhong CHENHoucai WANGHaoliang LIUXuan CAIHaiqiang
作者单位：南京信息工程大学气象灾害预报预警与评估协同创新中心,南京210044;中国气象局气溶胶与云降水重点开放实验室,南京210044;中国科学院中层大气和全球环境探测重点实验室,北京100029;南京信大安全应急管理研究院,南京210044南京信息工程大学气象灾害预报预警与评估协同创新中心,南京210044;中国气象局气溶胶与云降水重点开放实验室,南京210044;中国电波传播研究所,青岛266107中国电波传播研究所,青岛266107南京信息工程大学气象灾害预报预警与评估协同创新中心,南京210044;中国气象局气溶胶与云降水重点开放实验室,南京210044
刊名：电波科学学报
Journal：ChineseJournalofRadioScience
年，卷(期)：2024, 39(1)
分类号：P407.1
关键词：地基微波辐射计 毫米波雷达 湿度廓线 反向传播神经网络(BPNN) 遗传算法(GA)
Keywords：ground-basedmicrowaveradiometer millimeterwaveradar humidityprofile backpropagationneuralnetwork(BPNN) geneticalgorithm(GA)
机标分类号：TP273P426.1TP312
在线出版日期：2024年4月8日
基金项目：国家自然科学基金，江苏省自然科学基金，南京信息工程大学人才启动基金，江苏省333工程高层次人才培养资助(第三层次)基于多模型神经网络的湿度廓线反演研究[
期刊论文] 电波科学学报--2024, 39(1)王金虎 肖安虹 陈后财 王昊亮 刘萱 蔡海强为提升微波辐射计对大气廓线探测的精度,利用ARM大气观测站提供的地基微波辐射计、毫米波测云雷达以及探空数据,构建了两种添加不同云信息的反向传播神经网络(backpropagationneuralnetwork,BPNN)模型(添加入云和出云...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多模型神经网络的湿度廓线反演研究 Research on humidity profile inversion based on multi model neural network
基于多模型神经网络的湿度廓线反演研究.pdf
- 文件大小:
- 1.04 MB
- 下载次数:
- 60
-
高速下载
|
|
