基于BP神经网络的GNSS-R海面风速反演

论文摘要

针对GNSS-R进行海面风速反演过程中时频域相关物理量较多,数据耦合性强等问题,提出了基于反向传播（BP）神经网络反演海面风速的方法。建立反演过程中相关观测量与风速的对应关系,选取多观测量作为输入,对输入数据进行处理,设置神经元与激励函数,使用BP神经网络自适应调整拟合参数,将风速作为神经网络输出端的特征量提取。反演结果,风速≤20m/s时,反演均方根误差RMSE=1.21m/s,风速>20m/s时反演均方根误差RMSE=2.54m/s,反演结果优于使用时延相关曲线前沿斜率（LES）和时延多普勒相关功率均值（DDMA）方法得到的反演结果,且迭代次数较少,复杂度较低,证明该方法可以应用于GNSS-R海面风速反演。

论文目录

• 1 GNSS-R风速反演特征量
• 2 海面风速反演网络模型
•   2.1 神经网络的建立
•   2.2 激励函数选择
•   2.3 Adam优化算法
• 3 观测数据处理
•   3.1 数据选择
•     3.1.1 数据去冗余
•     3.1.2 数据泛化采样
•   3.2 数据归一化
• 4 海面风速反演流程
• 5 实验分析
•   5.1 建立神经网络模型
•   5.2 网络结构选取
•   5.3 风速反演结果与模型鲁棒性验证
• 6 结论

文章来源

类型: 期刊论文

作者: 高涵,白照广,范东栋

关键词: 海面风速,反向传播,神经网络,反演模型

来源: 航空学报 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 海洋学,自动化技术

单位: 航天东方红卫星有限公司

分类号: TP183;P715.6

页码: 198-206

总页数: 9

文件大小: 327K

下载量: 292