基于多模型神经网络的湿度廓线反演研究
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-basedmicrowaveradiometermillimeterwaveradarhumidityprofilebackpropagationneuralnetwork(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
页:
[1]