[发明专利]一种基于神经网络的MWHTS对海面气压的敏感性测试方法

权利要求书

1.一种基于神经网络的MWHTS对海面气压的敏感性测试方法，其特征在于，包括以下步骤：

步骤一：建立MWHTS观测亮温与大气参数集在时间和空间上的匹配数据集；

所述步骤一具体包括：

首先在气候学数据集中选择所使用的大气参数组成大气参数集，其中大气参数集中的每组大气参数具体包括：温度廓线、湿度廓线、云水廓线、海表温度、海表湿度、海面气压、10m风速以及云水含量；然后把大气参数集与MWHTS观测亮温进行匹配，匹配规则为时间误差小于10分钟，经纬度误差小于0.1°；最后对匹配到的数据进行质量控制，即删除MWHTS观测亮温和大气参数集中存在异常值的匹配数据，其中匹配数据中的MWHTS观测亮温小于180K或者大于310K，以及匹配数据集中的大气参数的负值均判定为异常值，经过质量控制后的匹配数据形成匹配数据集；

步骤二：分别以匹配数据集中的大气参数和MWHTS观测亮温为神经网络的输入和输出，对神经网络进行训练，建立基于神经网络的模拟亮温计算模型；

所述步骤二具体包括：

首先搭建一个三层有监督学习的神经网络结构，即一个输入层，一个输出层和一个隐藏层；然后在步骤一中所建立的匹配数据集中，按照温度廓线、湿度廓线、云水廓线、海表温度、海表湿度、海面气压、10m风速和云水含量的顺序组成神经网络的输入向量，MWHTS的15个通道的观测亮温组成输出向量，对神经网络进行训练；最后，在训练过程中，以输入向量产生的预测向量和输出向量之间的均方差为评价神经网络训练性能的定量标准，通过调节隐藏层神经元的个数使均方差最小，建立基于神经网络的模拟亮温计算模型；

步骤三：以云水含量为参考值，在匹配数据集中选择一组晴空大气参数、一组有云大气参数和一组有雨大气参数，并分别构建晴空测试数据集、有云测试数据集和有雨测试数据集；

所述步骤三具体包括：

首先在步骤一中所建立的匹配数据集中，在云水含量为0的多组大气参数中随机选择一组作为晴空大气参数，在云水含量大于0且小于0.4 mm的多组大气参数中随机选择一组作为有云大气参数，在云水含量大于或等于0.4 mm的多组大气参数中随机选择一组作为有雨大气参数；然后以980 hPa为海面气压的起始值，以0.01 hPa的步长增加至1030 hPa，可获得5001个海面气压数据；最后把这5001个海面气压数据分别取代晴空大气参数中的海面气压、有云大气参数的海面气压和有雨大气参数的海面气压，建立包含5001组大气参数的晴空测试数据集、包含5001组大气参数的有云测试数据集和包含5001组大气参数的有雨测试数据集；

步骤四：分别把步骤三中建立的晴空测试数据集的大气参数、有云测试数据集的大气参数和有雨测试数据集的大气参数输入到步骤二中建立的基于神经网络的模拟亮温计算模型，获得MWHTS晴空模拟亮温、MWHTS有云模拟亮温和MWHTS有雨模拟亮温分别随海面气压的变化关系，即获得了MWHTS模拟亮温在晴空、有云和有雨大气条件下对海面气压的敏感性测试结果。