气象科学
氣象科學
기상과학
SCIENTIA METEOROLOGICA SINICA
2013年
2期
138-145
,共8页
黄兴友%张曦%冷亮%李峰%樊雅文
黃興友%張晞%冷亮%李峰%樊雅文
황흥우%장희%랭량%리봉%번아문
大气温湿廓线%MonoRTM辐射传输模型%多元线性回归%BP神经网络
大氣溫濕廓線%MonoRTM輻射傳輸模型%多元線性迴歸%BP神經網絡
대기온습곽선%MonoRTM복사전수모형%다원선성회귀%BP신경망락
基于辐射传输模型MonoRTM计算天空亮温度,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演,检验并分析了两种方法的反演精度.结果表明,多元线性回归方法反演的温度偏差总体不大于6K,反演的水汽密度偏差小于4 g/m3；神经网络方法反演的温度偏差小于2K,反演的水汽密度误差总体不大于2 g/m3.与探空数据的对比表明,对于大气温度和水汽密度反演,BP神经网络方法的反演结果都要比多元线性回归方法的反演结果更接近探空资料值.
基于輻射傳輸模型MonoRTM計算天空亮溫度,使用多元線性統計迴歸方法和BP神經網絡方法分彆對大氣溫度和水汽密度廓線進行瞭反縯,檢驗併分析瞭兩種方法的反縯精度.結果錶明,多元線性迴歸方法反縯的溫度偏差總體不大于6K,反縯的水汽密度偏差小于4 g/m3；神經網絡方法反縯的溫度偏差小于2K,反縯的水汽密度誤差總體不大于2 g/m3.與探空數據的對比錶明,對于大氣溫度和水汽密度反縯,BP神經網絡方法的反縯結果都要比多元線性迴歸方法的反縯結果更接近探空資料值.
기우복사전수모형MonoRTM계산천공량온도,사용다원선성통계회귀방법화BP신경망락방법분별대대기온도화수기밀도곽선진행료반연,검험병분석료량충방법적반연정도.결과표명,다원선성회귀방법반연적온도편차총체불대우6K,반연적수기밀도편차소우4 g/m3；신경망락방법반연적온도편차소우2K,반연적수기밀도오차총체불대우2 g/m3.여탐공수거적대비표명,대우대기온도화수기밀도반연,BP신경망락방법적반연결과도요비다원선성회귀방법적반연결과경접근탐공자료치.
