人工神经网络在星载散射计海面风场反演建模中的应用

摘要：

地球物理模型函数(GMF)是散射计风场反演的基础及算法有效运行的前提条件.采用传统的统计方法建立GMF往往需要大量的、多种参数条件下的雷达后向散射测量数据.以圆锥扫描散射计SeaWinds为例,根据其特点,建立了一个两种极化方式下统一的神经网络模型函数(NN GMF),并对风速、相对风向采样间隔和测量值数目对模型精度的影响进行了详细分析.通过与Qscat-1模型进行比较,发现该神经网络模型在采样间隔较大或测量值数目较少的情况下,仍能较好地体现SeaWinds散射计的海面后向散射特性.

关键词：散射计、海面风场、地球物理模型函数(GMF)、神经网络

所属期刊栏目：43

分类号：P208(一般性问题)

资助基金：国家高技术研究发展计划863计划2002AA134100;面向21世纪教育振兴行动计划985计划105203200400006

在线出版日期：2007-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：460-467