[发明专利]一种基于地基多通道微波辐射计的大气温湿廓线反演方法

摘要

本发明公开了一种基于地基多通道微波辐射计的大气温湿廓线反演方法，属于气象探测技术领域。所述方法选择22通道微波辐射计，首先获取微波辐射计数据；利用辐射传输模型计算出历史探空廓线数据对应的模拟亮温数据，并据此对建立的用于反演大气温湿廓线的BP神经网络进行训练；用训练好的BP神经网络来反演大气温湿廓线。本发明提供的BP神经网络的模型简单，原理易懂，能够以足够的精度反演大气温度、相对湿度、水汽密度廓线，比其他反演算法更为简单易行，具有通用性；本发明针对两种不同的天气状况进行分类，对不同的天气训练各自的网络，进而更高地提升反演精度，符合实际问题的需要。

主权项

1.一种基于地基多通道微波辐射计的大气温湿廓线反演方法，其特征在于：具体包括以下步骤，步骤一：获取微波辐射计数据，所述数据应包括微波辐射计的通道数量、每个通道的探测频率、每个通道的亮温测量值以及微波辐射计反演出的温湿廓线数据；步骤二：获取历史探空廓线数据，利用辐射传输模型计算出历史探空廓线数据对应的模拟亮温数据；步骤三：建立用于反演大气温湿廓线的BP神经网络；步骤四：利用步骤二中的历史探空廓线数据与得出的模拟亮温数据训练BP神经网络；首先将模拟亮温数据与历史探空廓线数据分别作为神经网络的输入和输出值对应起来，再将历史探空廓线数据顺序随机打乱，抽出90％的数据作为训练数据，其余10％为验证数据；然后去除异常数据，再将训练数据归一化至区间[‑1,1]，数据处理完毕后即开始训练神经网络：将全部的亮温数据、晴天无云的亮温数据、云天无雨的亮温数据分别输入BP神经网络，将与之对应的温度廓线数据亦分别作为BP神经网络的期望输出，训练完毕得到network 1、network 2、network 3；将全部的亮温数据、晴天无云的亮温数据、云天无雨的亮温数据分别输入BP神经网络，将与之对应的相对湿度廓线数据亦分别作为BP神经网络的期望输出，训练完毕得到network 4、network 5、network 6；将全部的亮温数据、晴天无云的亮温数据、云天无雨的亮温数据分别输入神经网络，将与之对应的水汽密度廓线数据亦分别作为神经网络的期望输出，训练完毕得到network 7、network 8、network 9；步骤五：用训练好的BP神经网络来反演大气温湿廓线。将微波辐射计测量的亮温数据输入训练好的BP神经网络中，即可进行温湿廓线的反演。