优化的神经网络算法设计及其在地表发射率反演中的应用

发布时间：2022-07-23 14:22

　　利用遗传算法（GA）的全局搜索能力对BP-神经网络进行优化,避免神经网络在训练过程中陷入局部最优解。文章以塔克拉玛干沙漠地区为研究区域,结合2014年11月4日FY-3C/MWRI的观测资料,以优化的神经网络算法对地表发射率进行反演。结果显示,相较于BP-神经网络,优化的神经网络反演地表发射率所得的模拟亮温与观测亮温更接近,对地表发射率反演的精度更高。 

【文章页数】：3 页

【文章目录】：
引言
1 优化的神经网络算法
    1.1 遗传算法的基本原理及步骤
    1.2 BP-神经网络算法的基本原理及步骤
    1.3 遗传算法及BP算法的优劣性
    1.4 优化的神经网络
2 地表发射率的反演
3 结果分析
4 结束语


【参考文献】：
期刊论文
[1]基于光谱纹理特征融合和神经网络的地表发射率获取方法（英文）[J]. 徐开发,雷斌,张月婷.  中国科学院大学学报. 2018(01)
[2]沙漠地区微波地表发射率和土壤质地关系分析[J]. 吴莹,WENG Fuzhong,王振会,YAN Banghua.  高原气象. 2013(02)
[3]基于组合优化BP神经网络的模拟电路故障诊断[J]. 郭阳明,冉从宝,姬昕禹,马捷中.  西北工业大学学报. 2013(01)
[4]一个用神经网络优化的针对ASTER数据反演地表温度和发射率的多波段算法[J]. 毛克彪,唐华俊,陈仲新,王永前.  国土资源遥感. 2007(03)
[5]遗传算法及其应用[J]. 武广号，文毅，乐美峰.  应用力学学报. 1996(02)

硕士论文
[1]沙漠地区微波地表发射率反演算法的初步研究[D]. 陈宏.南京信息工程大学 2017



本文编号：3665299