排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
采用主分量分解数据压缩技术和基于误差反传学习算法的三层前馈神经网络(BP神经网络),使用AUQA/AIRS(Atmospheric Infrared Sounder)高光谱分辨率红外观测资料,对不同光谱通道组合,在中纬度复杂地形上反演了垂直空间分辨率为1 km的大气温度廓线,并与相匹配的ECWMF分析场资料进行了比较。结果表明,从AIRS资料能够获得1 K/km垂直分辨率的对流层温度反演精度。但是青藏高原对反演结果有明显的影响,并且这种影响与光谱波段有关。消除这种影响的途径之一是增加非卫星观测的附加预报因子。同时改进了神经网络反演策略,采用逐层反演的方法,缩短了所需要的网络训练时间。 相似文献
1