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...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。展开更多
文摘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。
