-
题名基于树模型机器学习方法的GNSS-R海面风速反演
被引量：8
- 1
-
-
作者
骆黎明
白伟华
孙越强
夏俊明
-
机构
中国科学院国家空间科学中心
中国科学院大学
北京市天基空间环境探测重点实验室
-
出处
《空间科学学报》
CAS
CSCD
北大核心
2020年第4期595-601,共7页
-
基金
国家重点研发计划重点专项项目(2017YB0502800,2017YFB0502802)
国家自然科学基金项目(41405039,41775034,41405040,41505030,41606206)
中国科学院空间先导专项项目(XDA15007501)和中国科学院科研装备研制项目(YZ201129)共同资助。
-
文摘
GNSS-R是基于GNSS卫星反射信号的一种新技术.GNSS-R技术可以运用到海面风场反演中,传统的GNSS-R技术反演海面风场主要有波形匹配和经验函数两种方法,风速反演精度约为2m·s^-1.波形匹配方法耗时多,计算量大;经验函数方法通常只使用少量物理观测量,会造成信息浪费,损失一定的反演精度.为了提高海面风速的反演精度,引入机器学习领域常用的树模型算法决策树、随机森林、GBDT等对海面风速进行预测.利用GNSS-R与ECMWF数据构成训练集和验证集,训练集用于模型学习,验证集用于检验模型的反演效果.实验结果显示,决策树和随机森林预测误差约为0.6 m·s^-1,GBDT等算法的预测误差约为2 m·s^-1,满足风速反演要求.与GNSS-R传统反演方法相比,机器学习树模型算法效果更好,在验证集上表现稳定且误差较小.因此,可以将机器学习树模型算法运用到海面风速反演中.
-
关键词
GNSS-R
海面风速
反演
机器学习
-
Keywords
GNSS-R
Sea surface wind speed
Inversion
Machine learning
-
分类号
P753
[交通运输工程—港口、海岸及近海工程]
TN967
[电子电信—信号与信息处理]
-
