基于深度極限學習機的衛(wèi)星云圖云量計算.pdf

1、基于衛(wèi)星云圖進行的云分類，云檢測，云量計算是獲取區(qū)域云量分布的主要方式，也是衛(wèi)星氣象應用的基礎，但是現(xiàn)階段的研究未能充分利用衛(wèi)星云圖的特征以及衛(wèi)星光學參數(shù)，導致云分類及云量計算效果不好，從實際氣象應用來看，云量計算技術的使用效果不理想。本文在查閱了眾多國內外研究成果之后，將深度極限學習機應用在了衛(wèi)星云圖的云量計算中。
　　近年來，關于神經(jīng)網(wǎng)絡的研究非?；钴S，其中極限學習機在大量的實際應用中展示出了很好的適用性和魯棒性，具有良好的自

2、學習能力且學習速度快，同時，基于多層神經(jīng)網(wǎng)絡的深度學習具有更強的學習能力，因此，本文使用一種基于深度極限學習機的方法來對衛(wèi)星云圖中的云進行分類和檢測，然后以此為基礎去解決衛(wèi)星云圖的云量計算問題。為了體現(xiàn)深度極限學習機的優(yōu)勢，還提出了另一種基于卷積神經(jīng)網(wǎng)絡的云圖檢測方法，將深度極限學習機跟卷積神經(jīng)網(wǎng)絡作了對比。本文的主要工作包括如下方面:
　　1.首先提取大量固定像素大小的衛(wèi)星云圖圖塊，作為深度極限學習機的訓練樣本，然后用深度極限學