利用人工神经网络方法反演大气温度廓线

被引：16

作者：

张雪慧 ^{[1
,2
]}

官莉 ^{[1
]}

王振会 ^{[1
]}

韩静 ^{[1
]}

机构：

[1] 南京信息工程大学

[2] 浙江省嘉兴市气象台

来源：

气象 | 2009年 / 35卷 / 11期

关键词：

温度反演; AIRS; 神经网络; 特征向量回归反演法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; P423.1 [大气温度的结构];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0706 ; 070601 ;

摘要：

高光谱大气红外探测仪AIRS(Atmospheric Infrared Sounder)资料能够显示小尺度的大气温度垂直结构,为数值预报和天气诊断提供了更加准确精细的初始场。目前处理数据主要使用晴空大气业务反演国际MODIS/AIRS处理软件包I MAPP(International MODIS/AIRS Preprocessing Package)中的特征向量统计回归算法,由于统计法算法简单,反演精度受到较大限制。现提出一种利用人工神经网络的算法来对晴空状况下AIRS模拟辐射值进行大气温度廓线反演的方法,并与特征向量统计法结果相比较。结果表明,神经网络方法与特征向量统计法反演所耗时间相当,减小了反演误差,各高度层温度反演精度均有不同程度的改进,获得了较好的反演结果。

引用

页码：137 / 142

页数：6

共 12 条

[1] 基于BP神经网络的地质灾害细网格预报模型 [J].