基于同步观测信息利用的高寒湖泊湍流通量数据插补方法

发布时间：2021-06-23 00:37

　　源区划分和质量过滤提高湖面涡动相关通量数据可靠性的同时,却降低了通量时间序列的连续性.为此,本文基于TensorFlow机器学习框架构建了一种超宽人工神经网络（ANN）模型.在选择输入ANN模型的特征变量信息时,我们采取了尽可能获取湍流输送过程中热力、动力学同步观测背景强迫信息的原则.通过ANN模型模拟通量的插补,本文实现了通量时间序列连续性的优化,插补后的羊卓雍错湖面通量数据的时间覆盖率从不足0.40提升至超过0.98.基于10次折叠交叉验证的ANN模型通量模拟性能检验则表明,各个检验组之间ANN模型的模拟误差波动较小,这显示出了较好的稳健性.具体地讲,感热通量、潜热通量和水汽通量原始观测平均值分别约为18.8 W/m²、81.5 W/m²和1.84 mmol/（s·m²）,10组交叉验证的插补感热通量、潜热通量和水汽通量平均绝对误差分别为5.4 W/m²、15.7 W/m²和0.35 mmol/（s·m²）.这表明本文所探索的ANN建模结构和同步观测变... 

【文章来源】：湖泊科学. 2020,32(03)北大核心EICSCD

【文章页数】：10 页


本文编号：3243858