利用人工神經(jīng)網(wǎng)絡(luò)方法反演晴空時(shí)大氣溫度廓線的研究.pdf

1、本文是人工神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于高光譜大氣紅外探測(cè)儀AIRS(AtmosphericInfraredSounder)資料反演晴空大氣溫度參數(shù)的一次嘗試，并將大氣溫度廓線反演的人工神經(jīng)網(wǎng)絡(luò)算法和特征向量統(tǒng)計(jì)算法進(jìn)行比較。首先使用CIMSS(CooperativeInstituteforMeteorologicalSatelliteStudies，UniversityofWisconsin-Madison)全球晴空反演訓(xùn)練廓線樣本集和利用SAR

2、TA(Stand-AloneRadiativeFransferAlgorithm)前向模式模擬的AIRS輻射亮溫值相對(duì)應(yīng)的數(shù)據(jù)集來(lái)建立人工神經(jīng)網(wǎng)絡(luò)模型和確定統(tǒng)計(jì)特征向量算法系數(shù)。通過(guò)實(shí)驗(yàn)比較后，選用BP神經(jīng)網(wǎng)絡(luò)(BackpropagationNeuralNetwork)、共軛梯度學(xué)習(xí)算法、批量訓(xùn)練方式，并依照反演結(jié)果情況在網(wǎng)絡(luò)傳輸中采用了正切、線性兩種傳遞函數(shù)和不同的隱節(jié)點(diǎn)數(shù)目，建立了人工神經(jīng)網(wǎng)絡(luò)基于AIRS數(shù)據(jù)反演的基本模型。反演時(shí)對(duì)

3、訓(xùn)練樣本進(jìn)行了亮度溫度和掃描角分類，計(jì)算出66套不同的人工神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)系數(shù)，并利用主成分分析法選取網(wǎng)絡(luò)適宜的輸入矢量。 在進(jìn)行模擬資料的反演實(shí)驗(yàn)后，發(fā)現(xiàn)使用人工神經(jīng)網(wǎng)絡(luò)反演和特征向量統(tǒng)計(jì)法反演的溫度廓線與無(wú)線電探空溫度觀測(cè)值相比，前者偏差更小，神經(jīng)網(wǎng)絡(luò)方法反演的溫度廓線在各高度層上均有一定程度的改進(jìn)，其中在0.01～1hPa改進(jìn)較大，平均值在2.1K；在1～200hPa改進(jìn)較小，約為0.36K；在200hPa～近地面層改進(jìn)值為