基于BP神经网络与遗传算法反演大气温湿廓线
张天虎1
鲍艳松1
钱芝颖1
林利斌2
刘旭林3
李林3
侯岳4
雷红玉4
李广文4
马军4
管琴5
唐维尧1
1.南京信息工程大学气象灾害预报预警与评估协同创新中心/中国气象局气溶胶与云降水重点开放实验室,江苏南京210044;南京信息工程大学大气物理学院,江苏南京2100442.深圳航空有限责任公司,广东深圳5181013.北京市气象探测中心,北京1000894.格尔木市气象局,青海格尔木8160995.青海省气象台,青海西宁811000
摘要：为提高地基微波辐射计大气探测精度,融合BP神经网络与遗传算法,研究0～10 km大气温湿度廓线.首先,结合数据特征,基于数值模拟技术,建立一套TP/WVP-3000型号地基微波辐射计的一级数据质量控制和订正模型.然后,为减小训练样本代表性误差对模型反演精度的影响,利用遗传算法优化训练样本数据,建立一套精度更高的神经网络大气温湿度反演模型.最后,利用构建的反演模型,开展大气温湿度反演试验,结合探空资料和微波辐射计二级产品,评价反演模型精度.研究结果表明:(1)经过质量控制后的实测数据与模拟数据之间的相关性有显著提升;(2)经过质量控制与订正后建立的神经网络模型对比原微波辐射计二级产品的反演精度有一定提升,温度提升6.77％,湿度提升20.11％;(3)经过遗传算法优化后的训练样本所建立的神经网络反演模型对比原微波辐射计二级产品反演精度有进一步的提升,温度提升10.21％,湿度提升23.75％,反演结果与该地区同类型研究结果相比有着较大提升.
关键词：微波辐射计遗传算法BP神经网络大气廓线质量控制
分类号：P413(大气探测（气象观测）)
资助基金：国家重点研发计划(2017YFC15017043)国家重点研发计划(2016YFA0600703)研究生科研创新项目(KYCX18_1026)
论文发表日期：2020-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 97-107 )
英文信息