[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的MWHTS對海面氣壓的敏感性測試方法

有效

• 申請?zhí)枺?/td>: 202110508740.6
• 申請日: 2021-05-11
• 公開（公告）號: CN113311509B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計）人: 賀秋瑞;張瑞玲;張永新;王嵐;高新科;任楨琴;周莉;郭曉
• 申請（專利權(quán)）人: 洛陽師范學(xué)院
• 主分類號: G01W1/02
• 分類號: G01W1/02;G01W1/18
• 代理公司: 洛陽公信知識產(chǎn)權(quán)事務(wù)所(普通合伙) 41120
• 代理人: 宋晨煒

1.一種基于神經(jīng)網(wǎng)絡(luò)的MWHTS對海面氣壓的敏感性測試方法，其特征在于，包括以下步驟：

步驟一：建立MWHTS觀測亮溫與大氣參數(shù)集在時間和空間上的匹配數(shù)據(jù)集；

所述步驟一具體包括：

首先在氣候?qū)W數(shù)據(jù)集中選擇所使用的大氣參數(shù)組成大氣參數(shù)集，其中大氣參數(shù)集中的每組大氣參數(shù)具體包括：溫度廓線、濕度廓線、云水廓線、海表溫度、海表濕度、海面氣壓、10m風(fēng)速以及云水含量；然后把大氣參數(shù)集與MWHTS觀測亮溫進行匹配，匹配規(guī)則為時間誤差小于10分鐘，經(jīng)緯度誤差小于0.1°；最后對匹配到的數(shù)據(jù)進行質(zhì)量控制，即刪除MWHTS觀測亮溫和大氣參數(shù)集中存在異常值的匹配數(shù)據(jù)，其中匹配數(shù)據(jù)中的MWHTS觀測亮溫小于180K或者大于310K，以及匹配數(shù)據(jù)集中的大氣參數(shù)的負值均判定為異常值，經(jīng)過質(zhì)量控制后的匹配數(shù)據(jù)形成匹配數(shù)據(jù)集；

步驟二：分別以匹配數(shù)據(jù)集中的大氣參數(shù)和MWHTS觀測亮溫為神經(jīng)網(wǎng)絡(luò)的輸入和輸出，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，建立基于神經(jīng)網(wǎng)絡(luò)的模擬亮溫計算模型；

所述步驟二具體包括：

首先搭建一個三層有監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即一個輸入層，一個輸出層和一個隱藏層；然后在步驟一中所建立的匹配數(shù)據(jù)集中，按照溫度廓線、濕度廓線、云水廓線、海表溫度、海表濕度、海面氣壓、10m風(fēng)速和云水含量的順序組成神經(jīng)網(wǎng)絡(luò)的輸入向量，MWHTS的15個通道的觀測亮溫組成輸出向量，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練；最后，在訓(xùn)練過程中，以輸入向量產(chǎn)生的預(yù)測向量和輸出向量之間的均方差為評價神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能的定量標準，通過調(diào)節(jié)隱藏層神經(jīng)元的個數(shù)使均方差最小，建立基于神經(jīng)網(wǎng)絡(luò)的模擬亮溫計算模型；

步驟三：以云水含量為參考值，在匹配數(shù)據(jù)集中選擇一組晴空大氣參數(shù)、一組有云大氣參數(shù)和一組有雨大氣參數(shù)，并分別構(gòu)建晴空測試數(shù)據(jù)集、有云測試數(shù)據(jù)集和有雨測試數(shù)據(jù)集；

所述步驟三具體包括：

首先在步驟一中所建立的匹配數(shù)據(jù)集中，在云水含量為0的多組大氣參數(shù)中隨機選擇一組作為晴空大氣參數(shù)，在云水含量大于0且小于0.4?mm的多組大氣參數(shù)中隨機選擇一組作為有云大氣參數(shù)，在云水含量大于或等于0.4?mm的多組大氣參數(shù)中隨機選擇一組作為有雨大氣參數(shù)；然后以980?hPa為海面氣壓的起始值，以0.01?hPa的步長增加至1030?hPa，可獲得5001個海面氣壓數(shù)據(jù)；最后把這5001個海面氣壓數(shù)據(jù)分別取代晴空大氣參數(shù)中的海面氣壓、有云大氣參數(shù)的海面氣壓和有雨大氣參數(shù)的海面氣壓，建立包含5001組大氣參數(shù)的晴空測試數(shù)據(jù)集、包含5001組大氣參數(shù)的有云測試數(shù)據(jù)集和包含5001組大氣參數(shù)的有雨測試數(shù)據(jù)集；

步驟四：分別把步驟三中建立的晴空測試數(shù)據(jù)集的大氣參數(shù)、有云測試數(shù)據(jù)集的大氣參數(shù)和有雨測試數(shù)據(jù)集的大氣參數(shù)輸入到步驟二中建立的基于神經(jīng)網(wǎng)絡(luò)的模擬亮溫計算模型，獲得MWHTS晴空模擬亮溫、MWHTS有云模擬亮溫和MWHTS有雨模擬亮溫分別隨海面氣壓的變化關(guān)系，即獲得了MWHTS模擬亮溫在晴空、有云和有雨大氣條件下對海面氣壓的敏感性測試結(jié)果。