基于ELM模型的SAR海浪有效波高反演方法研究

发布时间：2023-06-13 22:00

　　针对合成孔径雷达(SAR)海浪有效波高反演方法开展研究,提出了基于超限学习机(ELM)模型的SAR海浪有效波高经验反演方法。通过对ENVISAT ASAR波模式数据和ECMWF再分析数据进行数据时空匹配得到SAR图像与海浪有效波高的匹配数据集,分别在大匹配数据集和小匹配数据集两种情况下对SAR海洋有效波高反演算法进行经验建模,并与业务化CWAVE算法进行了对比验证。结果表明:大匹配数据集下,所提经验模型的精度为0.87,反演精度总体略逊于CWAVE算法(0.91),但在模型训练效率方面,所提经验算法(0.022 s)要优于CWAVE算法(0.514 s);在小匹配数据集下,所提经验算法反演精度为0.59,模型效率为0.008 s,均远优于CWAVE算法(-0.38和0.318 s)。基于ELM模型可以实现小匹配数据集下SAR海浪有效波高的较高精度反演。

【文章页数】：9 页

【文章目录】：
1 引 言
2 数据源与预处理
    2.1数据源
        2.1.1 SAR数据
        2.1.2 ECMWF再分析数据
        2.1.3浮标数据
    2.2预处理
3 研究方法
4 数据结果处理与分析
    4.1大匹配数据集下反演模型的建立与验证
    4.2小匹配数据集下反演模型的建立与验证
    4.3参数敏感性评价
5 结 论
附录：CWAVE＿ENV算法中的多元系数



本文编号：3833376