大气背景场对云中液态水反演结果影响
Meteorological Science and Technology（2023）
摘要
基于机载对空微波辐射计GVR讨论应用BP神经网络算法反演液态水路径时大气背景资料对反演结果的影响,为合理选择训练样本获取更准确的液态水观测数据提供依据,同时有利于了解反演算法的探测适用范围.文章选择多个历史探空资料,按照历史资料时间序列长度、季节和区域进行分类,建立不同类样本集训练BP神经网络获取反演方程,选择样本检验集模拟计算每类反演方程的反演精度,通过反演精度对比分析大气背景资料差异在反演云中液态水时造成的影响.结果表明训练样本的大气背景时空差异影响反演结果,在一定时间范围内增加历史资料序列长度可以减小大气背景差异对反演误差的影响,但当时间序列长度到达一定程度时,增加历史样本量将不再是提高反演精度的一种有效措施.季节分类可以减小大气背景差异对反演误差的影响,但在实际应用中,资料分类带来样本容量减小,对一定时间序列长度的历史资料,按照季节进行分类并不能有效提高垂直累积液态水的反演精度.
更多查看译文
关键词
BP neural network algorithm,liquid water path,retrieval
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要