利用人工神經(jīng)網(wǎng)絡(luò)方法反演晴空大氣濕度廊線的研究.pdf

1、本文是神經(jīng)網(wǎng)絡(luò)法應(yīng)用于AIRS晴空大氣濕度廓線反演的一次嘗試。得出了在基于AIRS高光譜資料反演晴空大氣濕度廓線上,神經(jīng)網(wǎng)絡(luò)法略優(yōu)于特征向量統(tǒng)計(jì)法的結(jié)論,表現(xiàn)出了神經(jīng)網(wǎng)絡(luò)法很強(qiáng)的非線性問題處理能力。
　　 怎樣構(gòu)建一個(gè)泛化能力最高的網(wǎng)絡(luò)來(lái)達(dá)到較高的反演精度是本文的重點(diǎn)、難點(diǎn)。選取了應(yīng)用最為廣泛的BP網(wǎng)絡(luò)(Back propagation NeuralNetwork),針對(duì)BP網(wǎng)絡(luò)的過擬合問題及輸入輸出數(shù)據(jù)的強(qiáng)欠定問題提出了一種解

2、決辦法。經(jīng)試驗(yàn)確定了隱節(jié)點(diǎn)數(shù),采用共軛梯度學(xué)習(xí)算法和正切傳遞函數(shù),確定了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。
　　 樣本數(shù)據(jù)集采用CIMSS(Cooperative Institute for MeteorologicalSatellite Studies,University of Wisconsin-Madison)全球晴空反演訓(xùn)練廓線樣本集和利用SARTA(Srand-Alone Radiative Transfer Algorithm)前向

3、模式模擬的AIRS輻射亮溫值組成樣本對(duì)。首先用檢驗(yàn)樣本檢驗(yàn)神經(jīng)網(wǎng)絡(luò)法和特征向量統(tǒng)計(jì)法反演大氣濕度廓線的精度,發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)法反演的結(jié)果在所有的氣壓層上都要優(yōu)于特征向量統(tǒng)計(jì)法的結(jié)果。在模擬資料的反演試驗(yàn)取得了較好的結(jié)果之后,用AIRS實(shí)況觀測(cè)資料檢驗(yàn)神經(jīng)網(wǎng)絡(luò)法和特征向量統(tǒng)計(jì)法反演大氣濕度廓線的精度。選取2002年9月6日針對(duì)覆蓋中國(guó)區(qū)域的AIRS實(shí)況觀測(cè)資料為例,將兩種算法的反演結(jié)果與相應(yīng)的AIRSLevel2大氣產(chǎn)品和ECMWF客觀分析場(chǎng)