[發明專利]一種基于神經網絡的反演大氣可降水量的MODIS模型改進方法

有效

• 申請號: 201710468481.2
• 申請日: 2017-06-20
• 公開（公告）號: CN107356554B
• 公開（公告）日: 2019-08-20
• 發明（設計）人: 胡伍生;王西地;楊惠;陳陽
• 申請（專利權）人: 東南大學
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01W1/14
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 饒欣

本發明公開了一種基于神經網絡的反演大氣可降水量的MODIS模型改進方法，包括以下步驟：S1：利用MODIS三通道比值法反演大氣可降水量PWV，記為PWV_MODIS；S2：利用BP神經網絡建立測站處的緯度φ、測站處的高程h、年積日doy、PWV_MODIS與測站GPS/MODIS反演的PWV殘差RES之間的非線性關系；S3：對BP神經網絡模型進行訓練；S4：將φ、h、doy以及PWV_MODIS作為輸入參數代入BP神經網絡模型，并計算出GPS測站處PWV殘差RES_BP；S5：利用RES_BP補償PWV_MODIS，獲得大氣可降水量PWV＝PWV_MODIS+RES_BP。本發明有效提高了建模精度。

技術領域

本發明涉及全球導航系統領域，特別是涉及一種基于神經網絡的反演大氣可降水量的MODIS模型改進方法。

背景技術

大氣可降水量(precipitable water vapor)，通常縮寫為PW/PWV/IPW，表示單位面積垂直空氣柱內水汽總量全部轉化為降水的量，與單位面積水柱高度等效。在GPS應用中，大氣可降水量是影響GNSS對流層濕延遲的主要因素。目前反演大氣可降水量的方法主要有地基GPS反演大氣可降水量和MODIS近紅外反演大氣可降水量。GPS觀測反演大氣可降水量精度很高，精度和大氣可降水量輻射計及探空數據計算的結果相當，但僅可以提供離散點的大氣可降水量值，空間分辨率不高。MODIS數據的空間分辨率高，能通過衛星反演獲得地球上任意地點的大氣可降水量，但MODIS大氣可降水量反演精度不夠，使其不能滿足氣象預報、數值天氣預報等各種氣象學領域的精度標準。國內外對GPS-PWV與MODIS-PWV結合建模研究大多是進行二者的對比驗證，模型比較單一，精度不高，因此建立更好的模型來獲得高時間分辨率、高空間分辨率且準確的大氣可降水量對提高GNSS定位精度等具有重要意義。

雖然使用加權平均三通道比值法反演MODIS大氣可降水量精度比單獨運用單一通道的MODIS模型反演大氣可降水量的精度有所提高，但仍與GPS 1mm左右的反演精度有很大差距，故仍不能滿足數值天氣預報和導航定位等的需要。

發明內容

發明目的：本發明的目的是提供一種能夠解決現有技術中存在的缺陷的基于神經網絡的反演大氣可降水量的MODIS模型改進方法。

技術方案：為達到此目的，本發明采用以下技術方案：

本發明所述的XX

有益效果：本發明公開了一種基于神經網絡的反演大氣可降水量的MODIS模型改進方法，選用合理輸入輸出參數建立BP神經網絡，并用高精度的GPS反演大氣可降水量PWV數據產品對其進行訓練，使得本發明計算出來的大氣可降水量PWV相比加權平均三通道模型，精度上有了顯著地提高。

附圖說明

圖1為本發明具體實施方式的MODIS三通道模型誤差的神經網絡設計圖；

圖2為本發明具體實施方式的建模和測試的GPS站分布圖；

圖2(a)為本發明具體實施方式的建模的GPS站的分布圖；

圖2(b)為本發明具體實施方式的測試的GPS站的分布圖；

圖3為本發明具體實施方式的4個GPS站上不同模型的誤差圖；

圖3(a)為本發明具體實施方式的MDO1站上不同模型的誤差圖；

圖3(b)為本發明具體實施方式的TXCO站上不同模型的誤差圖；

圖3(c)為本發明具體實施方式的TXAN站上不同模型的誤差圖；

圖3(d)為本發明具體實施方式的TXHO站上不同模型的誤差圖。