论文部分内容阅读
讨论了单参数神经网络模型、多参数及复合多参数神经网络模型对反演精度的影响，并对增加85.5GHz垂直和水平极化亮温作为输入项对反演精度的提高进行了验证.重点发展了一种新型的复合多参数神经网络(CMANN)算法，并分析了其在不同风速范围下的反演效果.随着风速的增加，反演风速的精度也有提高，高风速(≥15m/s)较低风速有更小的风速误差.比较表明，此方法的反演效果优于以往的各种SSM/I反演风速算法.反演风速的范围为0-25m/s，在晴天和云天混合状况下反演风速与实测风速的均方根误差为1.61m/s，晴天则达到1.46m/s.