10.13718/j.cnki.xdzk.2019.01.017
基于伪逆学习算法的地基微波辐射计反演算法研究
利用兰州大学半干旱气候与环境观测站(SACOL站)2009-2010年的地基微波辐射计亮温资料和榆中站探空资料,基于伪逆学习算法建立了应用于地基微波辐射计温度、相对湿度和水汽密度反演的神经网络(PIFN),并将反演结果与地基微波辐射计自带反演产品进行了对比,研究了伪逆学习算法在地基微波辐射计气象要素反演算法本地化的应用效果.结果表明:PIFN反演的温度、相对湿度和水汽密度的均方根误差的最大值分别为6.41K,31.21%和1.5 g/m3,地基微波辐射计温度、相对湿度和水汽密度产品的均方根误差最大值分别为11.93 K,53.18%和3.06 g/m3,与微波辐射计自带神经网络反演结果在不同高度层进行比较可以看出PIFN对2~10 km、1~7 km和0~3 km的大气温度、相对湿度和水汽密度廓线的反演均有明显改善,伪逆学习算法能够应用于地基微波辐射计气象要素的反演算法的本地化.
地基微波辐射计、伪逆学习算法、温湿度廓线、水汽密度廓线
41
P407.7(一般理论与方法)
国家自然科学基金项目41741023;兰州大学中央高校基本科研业务费专项资金lzujbky-2017-57
2019-05-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
114-122