| 基于PSO-BPNN算法的CFOSAT SWIM有效波高修正方法 |
|
| |
| DOI： |
| 中文关键词: 波谱仪 散射计 时空匹配 有效波高修正 粒子群优化算法 反向传播神经网络 |
| 英文关键词: |
| 基金项目:国家自然科学基金资助项目 （61931025） |
|
| 摘要点击次数: 547 |
| 全文下载次数: 474 |
| 中文摘要: |
| 高精度的有效波高 （Significant Wave Height， SWH） 观测对于海洋领域的研究至关重要。 中法海洋卫星 （China-France Oceanography Satellite， CFOSAT） 搭载的波谱仪 （Surface Waves
Investigation and Monitoring， SWIM） 可提供全球范围内的波浪数据， 但非星下点有效波高数据经验证后与真实值相比存在偏差， 因此有必要对其进行修正。 本文通过利用 CFOSAT 搭载的散射计 （wind Sactterometer， SCAT） 传感器提供的风场数据， 建立基于粒子群优化算法 （Particle Swarm Optimization， PSO） 的反向传播神经网络 （Back Propagation Neural Network， BPNN）， 发展了对 SWIM 6°波束有效波高数据修正的模型， 并使用 8°和 10°波束有效波高验证了模型的适用性。 结果表明： 修正后的 SWIM 中 6°波束有效波高均方根误差为 0.232 9 m， 相关系数 R 为0.985 8， 模型8°和 10°有效波高修正也达到较高精度。 该模型在中等海况下修正效果最好，但在低海况和高海况下分别存在高估和低估现象， 通过增加低海况和高海况的训练数据可减小该部分误差。 最后对比不同机器学习模型， 证明了 PSO 优化算法可以提高模型精度。 本文提出的 PSO-BPNN 网络模型有效地提高了有效波高参数的精度， 可为参数修正研究提供一种实验思路。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
|
