-
题名基于深度极限学习机的卫星云图云量计算
被引量：4
- 1
-
-
作者
翁理国
孔维斌
夏旻
仇学飞
-
机构
南京信息工程大学
南京信息工程大学
-
出处
《计算机科学》
CSCD
北大核心
2018年第4期227-232,共6页
-
基金
本文受国家自然科学基金(61503192),江苏省自然科学基金(BK20161533),江苏省六大人才高峰高层次人才资助计划(2014-XXRJ-007)资助。
-
文摘
卫星云图云量计算是卫星气象应用的基础,现阶段对其的研究未能充分利用卫星云图的特征,导致云检测及云量计算的效果不好。针对该问题,利用多层神经网络进行卫星云图的特征提取,并通过大量实验寻找到最优的深度学习的网络结构。基于度极限学习机对卫星云图的云进行检测和分类,再利用"空间相关法"计算云图中的总云量。实验结果表明,基于传统极限学习机的深度极限学习机能够充分提取云图的特征,在进行云分类时能够较清晰地区分厚云和薄云间的界限。相比于传统阈值法、极限学习机模型以及卷积神经网络,深度极限学习机的云识别率以及云量计算准确率更高,且所提方法比卷积神经网络的效率更高。
-
关键词
云量计算
深度极限学习机
云检测
空间相关法
卫星图像
-
Keywords
Cloud fraction
Deep extreme learning machine
Cloud detection
Spatial correlation
Satellite imagery
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
