一种基于RBF神经网络的大气温度及水汽密度廓线反演方法

摘要：

利用地基16通道微波辐射计在武汉地区的观测资料(包含16个通道的亮温数据及地面气象信息数据)和对应的探空资料(包含温度廓线及水汽密度廓线)组建神经网络训练样本和测试样本,训练样本中的观测资料和对应的探空资料分别作为训练神经网络的输入和输出数据,测试样本中的微波辐射计观测资料作为输入数据对训练后的神经网络进行测试反演,测试样本中的探空资料作为标准与反演输出结果进行对比.地基16通道微波辐射计所带的BP神经网络反演算法作为该研究构建的RBF神经网络反演算法的比较对象,通过比较RBF神经网络与BP神经网络的反演结果,验证了RBF神经网络在不确定条件下的预测准确性和可行性.实验结果表明:RBF神经网络在反演大气温度廓线及水汽密度廓线方面拥有比BP神经网络更快的运算速度,更准确的反演能力和更强的泛化能力.利用RBF神经网络反演大气温度廓线和水汽密度廓线的优势要大于BP神经网络反演方法,将该方法应用在微波辐射计上对于提升其反演技术水平具有重要的意义.

关键词：RBF神经网络、微波辐射计、大气廓线反演

所属期刊栏目：39

分类号：TP183(自动化基础理论)

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-33,93