-
公开(公告)号：CN111737912B
公开(公告)日：2024-01-23
申请号：CN202010543078.3
申请日：2020-06-15
申请人： 洛阳师范学院
摘要： 一种基于深度神经网络的MWHTS模拟亮温计算方法，包括建立MWHTS观测亮温与气候学数据集在空间和时间上的匹配数据集；根据云水含量把匹配数据集分为晴空数据集、有云数据集和有雨数据集，并分别形成对应的分析数据集和验证数据集；利用三个分析数据集训练深度神经网络模型，把对应的验证数据集中的大气参数输入已训练好的深度神经网络模型，计算MWHTS模拟亮温；把三个验证数据集中的大气参数输入辐射传输模型计算MWHTS模拟亮温，其计算精度与基于深度神经网络的MWHTS模拟亮温计算精度进行对比，选择精度较高的MWHTS通道组成MWHTS模拟亮温计算结果。该方法使用深度神经网络对微波与大气分子的相互作用进行建模，获得较业务化辐射传输模型RTTOV更高的计算精度，操作简单易行。
-
公开(公告)号：CN111737913B
公开(公告)日：2023-08-15
申请号：CN202010544507.9
申请日：2020-06-15
申请人： 洛阳师范学院
IPC分类号： G06F30/27 , G06N3/0499 , G06N3/084
摘要： 一种基于云水含量反演的MWHTS晴空观测亮温选择方法，所述方法包括建立MWHTS观测亮温与气候学数据集在时间和空间上的匹配数据，计算对应的MWHTS模拟亮温，并形成分析数据集和验证数据集；把分析数据集中的云水含量为0作为严格晴空阈值，选择MWHTS严格晴空观测亮温，并以严格晴空下的MWHTS模拟亮温的计算精度为标准，调整严格晴空阈值，形成对应的晴空阈值；基于分析数据集和BP神经网络，建立MWHTS观测亮温反演云水含量的最佳反演模型；使用验证数据集中MWHTS观测亮温反演云水含量，根据云水含量反演值和晴空阈值选择MWHTS晴空观测亮温。本发明方法可直接利用MWHTS观测亮温实现MWHTS晴空观测亮温的有效选择，正确率高且操作简单易行。
-
公开(公告)号：CN111737913A
公开(公告)日：2020-10-02
申请号：CN202010544507.9
申请日：2020-06-15
申请人： 洛阳师范学院
摘要： 一种基于云水含量反演的MWHTS晴空观测亮温选择方法，所述方法包括建立MWHTS观测亮温与气候学数据集在时间和空间上的匹配数据，计算对应的MWHTS模拟亮温，并形成分析数据集和验证数据集；把分析数据集中的云水含量为0作为严格晴空阈值，选择MWHTS严格晴空观测亮温，并以严格晴空下的MWHTS模拟亮温的计算精度为标准，调整严格晴空阈值，形成对应的晴空阈值；基于分析数据集和BP神经网络，建立MWHTS观测亮温反演云水含量的最佳反演模型；使用验证数据集中MWHTS观测亮温反演云水含量，根据云水含量反演值和晴空阈值选择MWHTS晴空观测亮温。本发明方法可直接利用MWHTS观测亮温实现MWHTS晴空观测亮温的有效选择，正确率高且操作简单易行。
-
公开(公告)号：CN111737641A
公开(公告)日：2020-10-02
申请号：CN202010543768.9
申请日：2020-06-15
申请人： 洛阳师范学院
摘要： 一种基于神经网络的MWHTS通道权重函数计算方法，所述方法包括把大气参数和MWHTS观测高度角输入到辐射传输模型RTTOV，计算大气分层中的每一层到卫星载荷MWHTS的大气透过率；根据大气透过率计算MWHTS通道权重函数廓线，建立大气参数、MWHTS观测高度角和MWHTS通道权重函数廓线的匹配数据集；基于匹配数据集训练BP神经网络，针对MWHTS每个通道分别建立基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型；建立MWHTS通道权重函数极大值样本并作为深度神经网络的输出，以大气参数和MWHTS观测高度角为深度神经网络的输入，训练深度神经网络，针对MWHTS每个通道分别建立基于深度神经网络的MWHTS通道权重函数极大值所在大气分层计算的最佳模型。本方法计算速度较快且计算量较小，操作简单易行。
-
公开(公告)号：CN111737641B
公开(公告)日：2023-05-30
申请号：CN202010543768.9
申请日：2020-06-15
申请人： 洛阳师范学院
IPC分类号： G06F17/15 , G06N3/0499 , G06N3/084
摘要： 一种基于神经网络的MWHTS通道权重函数计算方法，所述方法包括把大气参数和MWHTS观测高度角输入到辐射传输模型RTTOV，计算大气分层中的每一层到卫星载荷MWHTS的大气透过率；根据大气透过率计算MWHTS通道权重函数廓线，建立大气参数、MWHTS观测高度角和MWHTS通道权重函数廓线的匹配数据集；基于匹配数据集训练BP神经网络，针对MWHTS每个通道分别建立基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型；建立MWHTS通道权重函数极大值样本并作为深度神经网络的输出，以大气参数和MWHTS观测高度角为深度神经网络的输入，训练深度神经网络，针对MWHTS每个通道分别建立基于深度神经网络的MWHTS通道权重函数极大值所在大气分层计算的最佳模型。本方法计算速度较快且计算量较小，操作简单易行。
-
公开(公告)号：CN111190049B
公开(公告)日：2022-04-05
申请号：CN202010039060.X
申请日：2020-01-14
申请人： 洛阳师范学院
IPC分类号： G01R23/02
摘要： 本发明的主分量分析的混沌系统检测纳伏级微弱正弦信号的方法，针对现有的混沌系统检测混合信号中纳伏级微弱正弦信号的局限性，引入了主分量分析技术。对待测混合信号进行零均值预处理，求待测信号的协方差矩阵以及特征值和对应的特征向量；将协方差矩阵的特征值按从大到小的顺序排列，提取混合信号中周期信号对应的主分量并舍弃；将舍弃主分量的混合信号作为混沌系统的内置策动力，根据混沌振子的相态变化检测微弱正弦信号频率；根据混沌振子从临界周期状态到大尺度周期状态的跳变，提取待测纳伏级正弦信号幅值。本发明方法降低了混合信号中其它周期信号对混沌系统检测微弱正弦信号的影响，提高了混沌系统的检测能力，且操作简单易行。
-
公开(公告)号：CN111737912A
公开(公告)日：2020-10-02
申请号：CN202010543078.3
申请日：2020-06-15
申请人： 洛阳师范学院
摘要： 一种基于深度神经网络的MWHTS模拟亮温计算方法，包括建立MWHTS观测亮温与气候学数据集在空间和时间上的匹配数据集；根据云水含量把匹配数据集分为晴空数据集、有云数据集和有雨数据集，并分别形成对应的分析数据集和验证数据集；利用三个分析数据集训练深度神经网络模型，把对应的验证数据集中的大气参数输入已训练好的深度神经网络模型，计算MWHTS模拟亮温；把三个验证数据集中的大气参数输入辐射传输模型计算MWHTS模拟亮温，其计算精度与基于深度神经网络的MWHTS模拟亮温计算精度进行对比，选择精度较高的MWHTS通道组成MWHTS模拟亮温计算结果。该方法使用深度神经网络对微波与大气分子的相互作用进行建模，获得较业务化辐射传输模型RTTOV更高的计算精度，操作简单易行。
-
公开(公告)号：CN111190049A
公开(公告)日：2020-05-22
申请号：CN202010039060.X
申请日：2020-01-14
申请人： 洛阳师范学院
IPC分类号： G01R23/02
摘要： 本发明的主分量分析的混沌系统检测纳伏级微弱正弦信号的方法，针对现有的混沌系统检测混合信号中纳伏级微弱正弦信号的局限性，引入了主分量分析技术。对待测混合信号进行零均值预处理，求待测信号的协方差矩阵以及特征值和对应的特征向量；将协方差矩阵的特征值按从大到小的顺序排列，提取混合信号中周期信号对应的主分量并舍弃；将舍弃主分量的混合信号作为混沌系统的内置策动力，根据混沌振子的相态变化检测微弱正弦信号频率；根据混沌振子从临界周期状态到大尺度周期状态的跳变，提取待测纳伏级正弦信号幅值。本发明方法降低了混合信号中其它周期信号对混沌系统检测微弱正弦信号的影响，提高了混沌系统的检测能力，且操作简单易行。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.022 秒)