基于BP神经网络的多通道微波辐射计大气参数反演算法

摘要

微波遥感为大气环境参数观测提供了一种更加连续、充分、实时、便捷的方式，而地基微波辐射计作为大气微波遥感的一种重要手段，能够全天候连续探测微波辐射能量，从而反演得到温度、水汽密度、液态水等重要大气参数，这使得微波辐射计在气象科学、无线电通信、卫星定位与导航以及空间观测等领域得到了越来越广泛的运用。在地基微波辐射计的基础上，改进BP(Back Propagation)神经网络算法，并对大气参数进行反演，有效提高了微波辐射计对大气参数的探测精度。
　　基于大气微波传输理论和神经网络技术，重点研究了大气温度、水汽密度、相对湿度、云中液态水含量的反演算法。研究内容包括：研究了对武汉地区的历史探空资料中无效数据剔除、数值转换、数据插值等预处理，并对探空资料进行分类，将数据划分为晴天样本集和云天样本集；在晴空无云和有云无降雨两种天气情况下，研究大气微波传输模型，并根据大气微波传输方程计算两种模式下的亮温数据集；分析讨论了用于反演大气参数的神经网络改进算法，重点研究了利用遗传算法优化网络的初始连接权值阈值，来提高神经网络的性能，并对神经网络不同的改进算法进行性能对比；最后结合改进的神经网络算法，以与各大气参数相对应的亮温数据集作为网络输入，对温度、水汽密度、相对湿度和液态水含量等作了反演仿真，以探空数据为参考依据，分析讨论了各大气参数在不同高度层的反演精度。
　　通过建立改进的神经网络，以相应的亮温作为网络输入，对地基微波辐射计温度、水汽密度、相对湿度以及液态水含量进行反演。试验验证表明，采用LMBP(Levenberg-Marquardt Back Propagation)算法和GABP(Genetic Algorithm Back Propagation)算法建立神经网络，并将其应用在微波辐射计的大气参数反演中，对大气参数在不同高度层的反演精度均有一定的改进，获得较好的反演结果，为大气科学研究和天气实时观测提供更准确的大气参量。

目录

声明

1 绪论

1.1 引言

1.2 研究背景及意义

1.3 国内外发展现状

1.4 论文的主要研究内容

2 BP神经网络及改进算法介绍

2.1 BP神经网络原理

2.2 BP神经网络的改进

2.3 本章小结

3 大气参数的反演

3.1 晴天大气参数反演算法

3.2 云中液态水含量反演算法

3.3 本章小结

4 反演试验与验证

4.1 算法性能对比分析

4.2 温度廓线反演试验结果

4.3 水汽密度廓线反演试验结果

4.4 相对湿度廓线反演实验结果

4.5 液态水含量反演试验结果

4.6 本章小结

5 总结与展望

5.1 全文总结

5.2 课题展望

致谢

参考文献