利用机器学习方法改进风云3C星载GNSS掩星温度廓线
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

P228.4

基金项目:

河南省农业气象保障与应用技术重点实验室应用技术研究基金(KM202224)


Improving temperature profile of FY-3C GNSS radio occultation by machine learning methods
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文使用BP神经网络、随机森林回归算法,对2017年全年风云三号C星(FY-3C)GNSS掩星温度廓线数据进行修正和评估.结果表明:在全球范围内,两种方法均可以修正GNSS掩星温度数据,随机森林回归算法的修正效果优于神经网络方法,随机森林回归算法和神经网络方法修正后的结果与再分析数据的平均绝对误差分别为0.03K与0.32K,均方误差分别为0.09K2与1.02K2.将全球按照10°×10°划分为324个网格后,随机森林回归算法对平均绝对误差与均方误差修正的正向收益分别为97.53%与92.9%,神经网络方法对平均绝对误差与均方误差修正的正向收益分别为75.61%与67.9%.

    Abstract:

    In this paper,BP neural network and random forest regression algorithm are used to correct the temperature profile data of FY-3C GNSS radio occultation in 2017.The results show that both methods can correct FY-3C radio occultation temperature data,but the performance of the random forest regression is better than that of the neural network.For the random forest regression algorithm and the neural network,the mean absolute errors between the corrected results and the reanalysis data are 0.03 K and 0.32 K,respectively,and the mean square errors are 0.09 K2 and 1.02 K2,respectively.When the globe is divided into 324 grids of 10°×10°,the random forest regression algorithm yields positive returns of 97.53% and 92.9% for average absolute error and mean square error corrections,respectively,and neural network produces positive returns of 75.61% for average absolute error correction and 67.9% for mean square error correction.

    参考文献
    相似文献
    引证文献
引用本文

郭佳宾,程丽丹,金双根.利用机器学习方法改进风云3C星载GNSS掩星温度廓线[J].南京信息工程大学学报(自然科学版),2022,14(6):667-673
GUO Jiabin, CHENG Lidan, JIN Shuanggen. Improving temperature profile of FY-3C GNSS radio occultation by machine learning methods[J]. Journal of Nanjing University of Information Science & Technology, 2022,14(6):667-673

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2022-07-31
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-12-14
  • 出版日期:

地址:江苏省南京市宁六路219号    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2024 版权所有  技术支持:北京勤云科技发展有限公司