共查询到20条相似文献，搜索用时 156 毫秒
1.
2.
3.
4.
合成孔径雷达反演黄海海面风场 总被引：1，自引：0，他引：1
基于后向散射系数反演高空间分辨率海面风场,采用谱方法确定风向,并利用CMOD4模式函数反演风速。以ERS-2 SAR黄海区域图像为例,反演海面风场,并将反演结果同QuikSCAT散射计对比,比较吻合,证明该方法在黄海区域的可行性。 相似文献
5.
在合成孔径雷达(Synthetic Aperture Radar,SAR)海面风场反演中,基于风条纹影像纹理特征的海面风向反演方法精度高,但是依赖于图像风条纹的存在,而外部风向信息与SAR资料时空分辨率不易匹配、精度较低,从而影响大面积、高分辨率海面风场反演的精度。针对此问题,提出一种将SAR图像风条纹线性纹理特征与外部风向信息相结合的星载SAR海面风向获取方法,在SAR影像线性纹理特征明显的区域采用二维连续小波变换得到高精度的海面风向,其余区域采用与之时空相匹配的数值预报模式风向填充;并利用地球物理模型函数进一步得到海面风速,进而实现高精度、大范围海面风场的反演。为验证本文方法的有效性,利用ENVISAT/ASAR数据进行风场反演试验,并将反演结果与浮标实测数据进行比对。结果表明:在线性纹理特征明显的区域,小波方法的反演精度优于快速傅里叶变换(FFT)法和数值预报模式风向;外部风向精度略低,但与SAR观测资料时空匹配性较好,弥补了风条纹风向的不足。二者的结合为星载SAR海面风场反演的业务化应用提供了支持。 相似文献
6.
一种基于BP算法学习的小波神经网络 总被引：2，自引：1，他引：2
为发展 Szu的基于信号表示的小波神经网络 ,提出一种多输入多输出的小波网络模型 ,网络隐层采用框架小波函数、输出层采用 Sigmoid激励函数 ,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力 ,收敛速度和均方误差均优于相同结构的多层感知器模型。 相似文献
7.
利用0519号"龙王"台风SAR遥感图像,结合NCEP/QSCAT混合风场海面风向反演了高分辨的台风海面风速。基于高分辨率的SAR台风海面风场的风速剖面,对台风期间台湾海峡及周边海域海面风场的小尺度特征及变化进行了分析,结果表明,地形对风场特征的形成有显著作用,它导致台风海面风场结构发生变形以及澎湖列岛附近低风速尾流区、台湾岛的中央山脉北端下风面"角流"区和台湾岛西北海岸背风槽(或诱生低压)等现象的形成及台风期间福建省沿海区的大风天气。 相似文献
8.
地球物理模型函数是一种常被用于同极化合成孔径雷达（synthetic aperture radar,SAR）的风场反演方法。在使用该方法提取SAR数据的风速时,需要将风向作为输入信息,这导致反演风速的精度受风向精度的影响,且使SAR风场反演无法独立完成。为了解决这些问题,通过数值模拟获取仿真的组网SAR卫星数据,3颗SAR同时以不同的入射角观测同一海面。针对仿真的组网SAR卫星数据,发展了一种风场优化反演方法,可以在不输入风向的前提下反演风速,提供参考风向还可以进一步提高风场反演的精度。 相似文献
9.
北极海域海面风场和海浪遥感观测能力分析 总被引：1，自引：1，他引：0
卫星遥感是开展北极海域海面风场和海浪分布特征与变化规律研究的重要手段。本文基于在轨多源卫星遥感数据，从遥感观测空间覆盖、时间覆盖和多源卫星遥感数据融合等方面开展北极海域海面风场与海浪遥感观测能力分析，研究主要结果为:基于ASCAT和HY-2A散射计可实现北极海域海面风场遥感观测，通过多星联合观测可获取北极海域时空分辨率优于12 h和0.1°的海面风场遥感融合数据；基于HY-2A、CryoSat-2、SARAL和Sentinel-3高度计可实现北极海域海浪遥感观测，同样通过多星联合观测可获取北极海域时空分辨率优于1 d和0.25°的海浪有效波高遥感融合数据；基于2016年北极海面风场和海浪遥感融合数据，分析得出北极海域海面风场和海浪在2月处于极大值，然后逐渐减小，7月最小，随后开始逐渐增大。本研究表明，基于多源散射计和高度计遥感观测可实现北极海域海面风场和海浪的高时空分辨率遥感业务化监测。 相似文献
10.
《海洋气象学报》2017,(4)
为实现合成孔径雷达数据与数值预报模式资料融合,提高海面风场精度和业务化运用水平,提出了一种基于星载SAR数据与模式资料的变分融合方法。其研究思路是采用二维连续小波变换提取SAR图像中高精度风条纹风向,结合地球物理模型函数求解海面风场的经向分量和纬向分量,然后采用Kriging插值方法将数值预报模式风速插值到SAR海面风场覆盖区域,得到SAR风速观测算子,由此构建SAR风场与模式风场融合的代价函数,并采用变分方法求解分析风场,最终得到融合后的海面风场结果。仿真分析结果表明,变分融合后的海面风速和风向结果更接近于理想值,尤其在SAR海面风场覆盖区域更为明显。选取ENVISAT/ASAR资料和与其时空匹配的欧洲中期天气预报中心模式风场资料开展实例验证,结果表明融合后的海面风场结果比模式风场更加接近于浮标观测结果。 相似文献
11.
The feasibility of an artificial neural network based approach is investigated to estimate the values of mean grain size of
seafloor sediments using four dominant echo features, extracted from acoustic backscatter data. The acoustic backscatter data
were collected using a dual-frequency (33 and 210 kHz) single-beam, normal-incidence echo sounder at twenty locations in the
central part of the western continental shelf of India. Statistically significant correlations are observed between the estimated
average values of mean grain size of sediments and the ground-truth data at both the frequencies. The results indicate that
once a multi-layer perceptron model is trained with back-propagation algorithm, the values of mean grain size can reasonably
be estimated in an experimental area. The study also revealed that the consistency among the estimated values of mean grain
size at different acoustic frequencies is considerably improved with the neural network based method as compared to that with
a model-based approach. 相似文献
12.
Wave parameters prediction is an important issue in coastal and offshore engineering. In this literature, several models and methods are introduced. In the recent years, the well-known soft computing approaches, such as artificial neural networks, fuzzy and adaptive neuro-fuzzy inference systems and etc., have been known as novel methods to form intelligent systems, these approaches has also been used to predict wave parameters, as well. It is not a long time that support vector machine (SVM) is introduced as a strong machine learning and data mining tool. In this paper, it is used to predict significant wave height (Hs). The data set used in this study comprises wave wind data gathered from deep water locations in Lake Michigan. Current wind speed (u) and those belonging up to six previous hours are given as input variables, while the significant wave height is the output parameter. The SVM results are compared with those of artificial neural networks, multi-layer perceptron (MLP) and radial basis function (RBF) models. The results show that SVM can be successfully used for prediction of Hs. Furthermore, comparisons indicate that the error statistics of SVM model marginally outperforms ANN even with much less computational time required. 相似文献
13.
Conventional retrieval and neural network methods are used simultaneously to retrieve sea surface wind speed(SSWS) from HH-polarized Sentinel-1(S1) SAR images. The Polarization Ratio(PR) models combined with the CMOD5.N Geophysical Model Function(GMF) is used for SSWS retrieval from the HH-polarized SAR data. We compared different PR models developed based on previous C-band SAR data in HH-polarization for their applications to the S1 SAR data. The recently proposed CMODH, i.e., retrieving SSWS directly from the HHpolarized S1 data is also validated. The results indicate that the CMODH model performs better than results achieved using the PR models. We proposed a neural network method based on the backward propagation(BP)neural network to retrieve SSWS from the S1 HH-polarized data. The SSWS retrieved using the BP neural network model agrees better with the buoy measurements and ASCAT dataset than the results achieved using the conventional methods. Compared to the buoy measurements, the bias, root mean square error(RMSE) and scatter index(SI) of wind speed retrieved by the BP neural network model are 0.10 m/s, 1.38 m/s and 19.85%,respectively, while compared to the ASCAT dataset the three parameters of training set are –0.01 m/s, 1.33 m/s and 15.10%, respectively. It is suggested that the BP neural network model has a potential application in retrieving SSWS from Sentinel-1 images acquired at HH-polarization. 相似文献
14.
为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,long short-term memory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radial basis function neural network,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。 相似文献
15.
基于多种神经网络的风暴潮增水预测方法的比较分析 总被引：1，自引：0，他引：1
简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。 相似文献
16.
风涌浪分离是研究风浪、涌浪各自特性的基础,但受限于海浪谱数据的匮乏,基于海浪谱的风涌浪分离方法难以普及应用,有效的解决办法是采用波浪观测中容易获取的基本波要素进行风涌浪分离。现有方法无法利用基本波要素全面计算出风浪、涌浪的比例及其特征参数,为此本文将机器学习引入到风涌浪分离中,以多层感知器模型为基础,提出了一种利用基本波要素、风要素准确计算出风涌浪参数的方法。该方法需要每个测站提供至少466笔、建议766笔及以上的实测波浪数据作为训练样本,适用于台湾海峡3个测站,在计算精度上显著优于基于海浪频谱的传统风涌浪分离方法,可为本海域缺乏海浪谱的测站提供替代性的风涌浪计算方案,有助于扩大实测风涌浪资料的来源,进而加强风涌浪分布特性以及预警预报研究。 相似文献
17.
18.
以欧洲中期天气预报中心ECMWF(European Centre for Medium Range Weather Forecasts)的ERA5风场数据为真实风速参考值,利用HY-2B卫星散射计L2A数据,使用反向传播神经网络方法对风速进行了反演,分别建立了中高风速、中低风速和全风速反演模型。与基于NSCAT-4地球物理模式函数得到的L2B风速相比,在训练集中,3种网络模型反演风速的均方误差(Mean Square Error,MSE)分别达到了0.18,0.14和0.32 m/s,平均绝对值误差(Mean Absolute Error,MAE)分别达到了0.27,0.24和0.34 m/s;在测试集中,3种网络模型反演风速的均方误差(MSE)分别达到了0.54,0.27和0.46 m/s,平均绝对值误差(MAE)分别达到了0.48,0.35和0.42 m/s。研究结果表明,中高和中低风速模型优于全风速模型,其中中低风速模型反演风速的MSE和MAE最低,中高风速模型反演风速的MSE和MAE下降幅度最大;3种模型都具有良好的泛化能力。 相似文献
19.
基于BP人工神经网络的海水水质综合评价 总被引：1，自引：0，他引：1
为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型... 相似文献
20.
1IntroductionSatellite observations of the ocean,includingobservation of sea surface wind fields,have tendedto be a perfect technology.Scatterometer is a prima-ry remote sensing sensor,which can get the globalscale information of wind.Other means of remot… 相似文献