基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。     

基于遗传算法的海气耦合模型参数反演

为了提高模型参数反演效率和精度,基于遗传算法和系统优化思想,从一个简单的海气耦合模式出发,反演模式参数和强迫项.试验结果表明:遗传算法和系统优化结合的方法,可以有效优化模式参数和强迫项,进而修正模式的预报误差.同时,该方法具有参数反演过程不与模型结构发生耦合,计算量小和操作性强、反演效率高等优点,为在实际应用中改善模式参数和初值、提高预报准确率提供了一个可借鉴的方法和途径.     

海洋变分同化背景场误差协方差矩阵构造技术

为改进背景场误差协方差矩阵构造技术,提高海洋资料变分同化效果,首先将背景场误差协方差矩阵分解为背景误差标准偏差矩阵、非平衡变量空间相关算子以及多变量间平衡算子3部分,然后利用广义扩散方程模拟空间相关算子,联合引入温盐约束关系、线性状态方程、海表高度诊断方程、静力平衡、地转平衡关系模拟多变量平衡,最后给出了一种适用于海洋资料变分同化的背景场误差协方差矩阵构造方案。单点海表温度观测模拟同化试验表明,该方案可实现观测信息在三维空间、多变量间的传播,充分体现了背景场误差协方差矩阵在同化中的作用。