地球物理模型建模方法
专利名称：地球物理模型建模方法
技术领域：
本发明涉及海洋信息化领域，具体涉及一种地球物理模型建模方法。
技术背景
海洋表面风场是影响海浪、海流、水团的活跃因子和海洋动力学的基本参数，对全球海洋风场的监测，在沿海地区的防灾减灾，海洋环境保障，以及促进海洋相关科学研究中具有重要意义。卫星散射计以其全天时、全天候、高时空分辨率，大覆盖范围等特点，已成为全球海面风场最为重要的观测手段。卫星散射计是一种经过定标的雷达，它向海面主动发射电磁波，并接收经过海面调制的回波信号。通过对雷达回波信号的处理，可得出仅与海面情况有关的归一化后向散射系数(NRCS，或ο 0)，从散射计测得的σ 0可进一步提取出海面风场，海面风场的信息提取过程称为风矢量反演。
从散射计测得的海面后向散射系数反演海面风矢量需要解决三个方面的问题建立地球物理模型，风矢量求解算法，模糊解去除算法，其中，地球物理模型是描述电磁波与海面相互作用机制及其定量关系的一种函数形式，根据其建立的方式可以分为物理模型和经验模型。散射计测量的后向散射系数需要借助具体的地球物理模函数才能反演出海面风矢量，因此地球物理模的精度直接决定着风场反演的质量。
目前业务化运行中常用的地球物理模型函数多为半经验模型。半经验模型多利用海面NRCS实测数据和同步海面风矢量现场测量数据或者数值气象预报模式预报风场建立同步观测样本，并通过经验拟合的方式得出后向散射系数对海面风矢量之间的统计关系。 如C波段的CM0D4模型、Ku波段的SASS-2、NSCAT-1/2, QSCAT-I模型。这种建模方式建立的半经验地球物理模型在中低风速(< 20m/s)和无降雨发生时，反演得到的海面风矢量精度为风速士2m/s，风向士20°。对于高风速或者大风(彡20m/s)情况，难于建立足够的高质量同步观测样本用于建立地球物理模型。海面风矢量现场测量数据包括船测数据和浮标测量数据，在高风速条件下样本偏少，且精度不高。例如TAO浮标组所采用的风传感器设计测风量程为0 20m/s，在风速超过30m/s时，大部分浮标已经停止工作。而数值气象预报模式预报的风场也鲜有高风速数据，且在高风速条件下预报风速通常偏低。这使得上述方法建立的半经验地球物理模型在高风速区对后向散射系数的估计值比实际值偏高。发明内容
本发明提供一种地球物理模型建模方法，能够提高构建出的地球物理模型的准确度。
本发明提供了一种地球物理模型建模方法，包括
获取辐射计SSM/I和散射计QuikSCAT同步测量的样本；
从所述样本中选取用于人工神经网络训练的训练样本；
确定地球物理模型函数；
通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值。
所述获取辐射计SSM/I和散射计QuikSCAT同步测量的样本优选包括剔除降雨在2mm/h以上的样本；剔除同一时间和同一地点的SSM/I风速与QuikSCAT风速偏差为4m/s以上的样本；进行时间匹配，提取SSM/I的测量时间与QuikSCAT的测量时间间隔小于或等于2 小时的同步测量的所述样本；对所述样本进行空间匹配，通过反距离加权插值算法，将SSM/I风速插值到 QuikSCAT风矢量面元。所述从所述样本中选取用于人工神经网络训练的训练样本优选包括a.从所述样本中提取风速为16m/s ^m/s，风向为0° 360°的辐射计SSM/I 和散射计QuikSCAT同步测量样本；b.将a步提取的所述同步测量样本按风速间隔lm/s，风向间隔20°进行分组；c.从每一个组中抽取，将抽取的样本组成训练样本。所述从每一个组中抽取优选包括若一个组的样本的数目大于或等于10个，则从该组中随机或按设定规则抽取10 个训练样本；若一个组的样本的数目小于10个，则从该组中随机或按设定规则重复抽取10个训练样本。所述确定地球物理模型函数优选包括根据风速V，划分不同的风速段，所述风速段包括V < 16m/sU6m/s ^ V^ 20m/ s、V > 20m/s 三段；针对不同的风速段，确定该风速段对应的子模型函数，所述子模型函数包括 QSCAT_1、(QSCAT_1+NN_GMF)/2、NN_GMF，所述 QSCAT_1 为散射计地球物理模型；所述子模型函数与所述风速段的对应关系为
权利要求
1.一种地球物理模型建模方法，其特征在于，包括 获取辐射计SSM/I和散射计QuikSCAT同步测量的样本； 从所述样本中选取用于人工神经网络训练的训练样本； 确定地球物理模型函数；通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值。
2.如权利要求1所述的地球物理模型建模方法，其特征在于，所述获取辐射计SSM/I和散射计QuikSCAT同步测量的样本包括剔除降雨在2mm/h以上的样本；剔除同一时间和同一地点的SSM/I风速与QuikSCAT风速偏差为4m/s以上的样本； 进行时间匹配，提取SSM/I的测量时间与QuikSCAT的测量时间间隔小于或等于2小时的同步测量的所述样本；对所述样本进行空间匹配，通过反距离加权插值算法，将SSM/I风速插值到QuikSCAT风矢量面元。
3.如权利要求1所述的地球物理模型建模方法，其特征在于，所述从所述样本中选取用于人工神经网络训练的训练样本包括a.从所述样本中提取风速为16m/s ^m/s，风向为0° 360°的辐射计SSM/I和散射计QuikSCAT同步测量样本；b.将a步提取的所述同步测量样本按风速间隔lm/s，风向间隔20°进行分组；c.从每一个组中抽取，将抽取的样本组成训练样本。
4.如权利要求3所述的地球物理模型建模方法，其特征在于，所述从每一个组中抽取包括若一个组的样本的数目大于或等于10个，则从该组中随机或按设定规则抽取10个训练样本；若一个组的样本的数目小于10个，则从该组中随机或按设定规则重复抽取10个训练样本。
5.如权利要求1所述的地球物理模型建模方法，其特征在于，所述确定地球物理模型函数包括根据风速V，划分不同的风速段，所述风速段包括V < 16m/sU6m/s彡V彡20m/s、V > 20m/s三段；针对不同的风速段，确定该风速段对应的子模型函数，所述子模型函数包括QSCAT_1、 (QSCAT_1+NN_GMF)/2、NN_GMF，所述QSCAT_1为散射计地球物理模型； 所述子模型函数与所述风速段的对应关系为‘QSCAT _\(V <\6mls)σ0 =i (QSCA T _l + NN _ GMF) / 2(\6ml s <V <20ml s)；NN — GMF(V > 20mIs)
6.如权利要求5所述的地球物理模型建模方法，其特征在于，所述NN_GMF子模型函数的确定方法包括确定NN_GMF子模型函数对应的所述人工神经网络的拓扑结构； 确定所述人工神经网络的拓扑结构对应的数学表达式。
7.如权利要求6所述的地球物理模型建模方法，其特征在于，所述确定NN_GMF子模型函数对应的所述人工神经网络的拓扑结构包括分别确定所述拓扑结构输入层、中间层、输出层的个数； 分别确定所述输入层、中间层、输出层的神经元的个数； 分别确定输入层、中间层、输出层的神经元的函数。
8.如权利要求6所述的地球物理模型建模方法，其特征在于，所述人工神经网络的拓扑结构包括一个输入层、两个中间层、一个输出层；所述输入层包含4个输入层神经元，每个输入层神经元对应一个输入矢量，四个所述输入矢量分别为风速V、波束与风矢量的夹角χ的正弦值、所述χ的余弦值、入射角θ的正弦值，其中，Χ满足;T = modW-队360)，识为波束方位角，φ为海面风向；每个所述中间层包含6个中间层神经元，所述中间层神经元用于传递函数，所述传递函数取Logsig函数，所述Logsig函数的公式为
9.如权利要求6所述的地球物理模型建模方法，其特征在于，所述通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值包括从所述训练样本中提取所述V、χ、θ、σ O ；采用拟牛顿算法对所述数学表达式进行拟合，得到未知系数的值。
10.如权利要求1-9任一项所述的地球物理模型建模方法，其特征在于，在所述通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值之后进一步包括用所述样本中除所述训练样本之外的其他样本对所述未知系数的值进行验证。
全文摘要
本发明涉及海洋信息化领域，具体涉及一种地球物理模型建模方法。该方法包括获取辐射计SSM/I和散射计QuikSCAT同步测量的样本；从所述样本中选取用于人工神经网络训练的训练样本；确定地球物理模型函数；通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值。本发明提供的地球物理模型建模方法能够构建高质量地球物理模型。
文档编号G06F19/00GK102495943SQ20111033784
公开日2012年6月13日 申请日期2011年10月31日 优先权日2011年10月31日
发明者邹巨洪 申请人:国家卫星海洋应用中心
技术领域：
本发明涉及海洋信息化领域，具体涉及一种地球物理模型建模方法。
技术背景
海洋表面风场是影响海浪、海流、水团的活跃因子和海洋动力学的基本参数，对全球海洋风场的监测，在沿海地区的防灾减灾，海洋环境保障，以及促进海洋相关科学研究中具有重要意义。卫星散射计以其全天时、全天候、高时空分辨率，大覆盖范围等特点，已成为全球海面风场最为重要的观测手段。卫星散射计是一种经过定标的雷达，它向海面主动发射电磁波，并接收经过海面调制的回波信号。通过对雷达回波信号的处理，可得出仅与海面情况有关的归一化后向散射系数(NRCS，或ο 0)，从散射计测得的σ 0可进一步提取出海面风场，海面风场的信息提取过程称为风矢量反演。
从散射计测得的海面后向散射系数反演海面风矢量需要解决三个方面的问题建立地球物理模型，风矢量求解算法，模糊解去除算法，其中，地球物理模型是描述电磁波与海面相互作用机制及其定量关系的一种函数形式，根据其建立的方式可以分为物理模型和经验模型。散射计测量的后向散射系数需要借助具体的地球物理模函数才能反演出海面风矢量，因此地球物理模的精度直接决定着风场反演的质量。
目前业务化运行中常用的地球物理模型函数多为半经验模型。半经验模型多利用海面NRCS实测数据和同步海面风矢量现场测量数据或者数值气象预报模式预报风场建立同步观测样本，并通过经验拟合的方式得出后向散射系数对海面风矢量之间的统计关系。 如C波段的CM0D4模型、Ku波段的SASS-2、NSCAT-1/2, QSCAT-I模型。这种建模方式建立的半经验地球物理模型在中低风速(< 20m/s)和无降雨发生时，反演得到的海面风矢量精度为风速士2m/s，风向士20°。对于高风速或者大风(彡20m/s)情况，难于建立足够的高质量同步观测样本用于建立地球物理模型。海面风矢量现场测量数据包括船测数据和浮标测量数据，在高风速条件下样本偏少，且精度不高。例如TAO浮标组所采用的风传感器设计测风量程为0 20m/s，在风速超过30m/s时，大部分浮标已经停止工作。而数值气象预报模式预报的风场也鲜有高风速数据，且在高风速条件下预报风速通常偏低。这使得上述方法建立的半经验地球物理模型在高风速区对后向散射系数的估计值比实际值偏高。发明内容
本发明提供一种地球物理模型建模方法，能够提高构建出的地球物理模型的准确度。
本发明提供了一种地球物理模型建模方法，包括
获取辐射计SSM/I和散射计QuikSCAT同步测量的样本；
从所述样本中选取用于人工神经网络训练的训练样本；
确定地球物理模型函数；
通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值。
所述获取辐射计SSM/I和散射计QuikSCAT同步测量的样本优选包括剔除降雨在2mm/h以上的样本；剔除同一时间和同一地点的SSM/I风速与QuikSCAT风速偏差为4m/s以上的样本；进行时间匹配，提取SSM/I的测量时间与QuikSCAT的测量时间间隔小于或等于2 小时的同步测量的所述样本；对所述样本进行空间匹配，通过反距离加权插值算法，将SSM/I风速插值到 QuikSCAT风矢量面元。所述从所述样本中选取用于人工神经网络训练的训练样本优选包括a.从所述样本中提取风速为16m/s ^m/s，风向为0° 360°的辐射计SSM/I 和散射计QuikSCAT同步测量样本；b.将a步提取的所述同步测量样本按风速间隔lm/s，风向间隔20°进行分组；c.从每一个组中抽取，将抽取的样本组成训练样本。所述从每一个组中抽取优选包括若一个组的样本的数目大于或等于10个，则从该组中随机或按设定规则抽取10 个训练样本；若一个组的样本的数目小于10个，则从该组中随机或按设定规则重复抽取10个训练样本。所述确定地球物理模型函数优选包括根据风速V，划分不同的风速段，所述风速段包括V < 16m/sU6m/s ^ V^ 20m/ s、V > 20m/s 三段；针对不同的风速段，确定该风速段对应的子模型函数，所述子模型函数包括 QSCAT_1、(QSCAT_1+NN_GMF)/2、NN_GMF，所述 QSCAT_1 为散射计地球物理模型；所述子模型函数与所述风速段的对应关系为
权利要求
1.一种地球物理模型建模方法，其特征在于，包括 获取辐射计SSM/I和散射计QuikSCAT同步测量的样本； 从所述样本中选取用于人工神经网络训练的训练样本； 确定地球物理模型函数；通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值。
2.如权利要求1所述的地球物理模型建模方法，其特征在于，所述获取辐射计SSM/I和散射计QuikSCAT同步测量的样本包括剔除降雨在2mm/h以上的样本；剔除同一时间和同一地点的SSM/I风速与QuikSCAT风速偏差为4m/s以上的样本； 进行时间匹配，提取SSM/I的测量时间与QuikSCAT的测量时间间隔小于或等于2小时的同步测量的所述样本；对所述样本进行空间匹配，通过反距离加权插值算法，将SSM/I风速插值到QuikSCAT风矢量面元。
3.如权利要求1所述的地球物理模型建模方法，其特征在于，所述从所述样本中选取用于人工神经网络训练的训练样本包括a.从所述样本中提取风速为16m/s ^m/s，风向为0° 360°的辐射计SSM/I和散射计QuikSCAT同步测量样本；b.将a步提取的所述同步测量样本按风速间隔lm/s，风向间隔20°进行分组；c.从每一个组中抽取，将抽取的样本组成训练样本。
4.如权利要求3所述的地球物理模型建模方法，其特征在于，所述从每一个组中抽取包括若一个组的样本的数目大于或等于10个，则从该组中随机或按设定规则抽取10个训练样本；若一个组的样本的数目小于10个，则从该组中随机或按设定规则重复抽取10个训练样本。
5.如权利要求1所述的地球物理模型建模方法，其特征在于，所述确定地球物理模型函数包括根据风速V，划分不同的风速段，所述风速段包括V < 16m/sU6m/s彡V彡20m/s、V > 20m/s三段；针对不同的风速段，确定该风速段对应的子模型函数，所述子模型函数包括QSCAT_1、 (QSCAT_1+NN_GMF)/2、NN_GMF，所述QSCAT_1为散射计地球物理模型； 所述子模型函数与所述风速段的对应关系为‘QSCAT _\(V <\6mls)σ0 =i (QSCA T _l + NN _ GMF) / 2(\6ml s <V <20ml s)；NN — GMF(V > 20mIs)
6.如权利要求5所述的地球物理模型建模方法，其特征在于，所述NN_GMF子模型函数的确定方法包括确定NN_GMF子模型函数对应的所述人工神经网络的拓扑结构； 确定所述人工神经网络的拓扑结构对应的数学表达式。
7.如权利要求6所述的地球物理模型建模方法，其特征在于，所述确定NN_GMF子模型函数对应的所述人工神经网络的拓扑结构包括分别确定所述拓扑结构输入层、中间层、输出层的个数； 分别确定所述输入层、中间层、输出层的神经元的个数； 分别确定输入层、中间层、输出层的神经元的函数。
8.如权利要求6所述的地球物理模型建模方法，其特征在于，所述人工神经网络的拓扑结构包括一个输入层、两个中间层、一个输出层；所述输入层包含4个输入层神经元，每个输入层神经元对应一个输入矢量，四个所述输入矢量分别为风速V、波束与风矢量的夹角χ的正弦值、所述χ的余弦值、入射角θ的正弦值，其中，Χ满足;T = modW-队360)，识为波束方位角，φ为海面风向；每个所述中间层包含6个中间层神经元，所述中间层神经元用于传递函数，所述传递函数取Logsig函数，所述Logsig函数的公式为
9.如权利要求6所述的地球物理模型建模方法，其特征在于，所述通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值包括从所述训练样本中提取所述V、χ、θ、σ O ；采用拟牛顿算法对所述数学表达式进行拟合，得到未知系数的值。
10.如权利要求1-9任一项所述的地球物理模型建模方法，其特征在于，在所述通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值之后进一步包括用所述样本中除所述训练样本之外的其他样本对所述未知系数的值进行验证。
全文摘要
本发明涉及海洋信息化领域，具体涉及一种地球物理模型建模方法。该方法包括获取辐射计SSM/I和散射计QuikSCAT同步测量的样本；从所述样本中选取用于人工神经网络训练的训练样本；确定地球物理模型函数；通过选取的所述训练样本确定所述地球物理模型函数中的未知系数的值。本发明提供的地球物理模型建模方法能够构建高质量地球物理模型。
文档编号G06F19/00GK102495943SQ20111033784
公开日2012年6月13日 申请日期2011年10月31日 优先权日2011年10月31日
发明者邹巨洪 申请人:国家卫星海洋应用中心
最新回复(0)