一种基于全连接神经网络的反演降水潜热垂直廓线的方法技术

本发明专利技术提供了一种基于全连接神经网络的反演降水潜热垂直廓线的方法，涉及降水潜热反演技术领域。本发明专利技术选用降水率的垂直梯度和温度的组合作为输入变量，并通过利用全连接神经网络强大的非线性映射能力进行降水潜热反演，可以更加准确的获取复杂大气环境下，降水率的垂直梯度和温度与潜热之间的函数表达，从而获得更加精确的降水潜热反演结果。得更加精确的降水潜热反演结果。得更加精确的降水潜热反演结果。

【技术实现步骤摘要】
一种基于全连接神经网络的反演降水潜热垂直廓线的方法


[0001]本专利技术涉及降水潜热反演
，具体涉及一种基于全连接神经网络的反演降水潜热垂直廓线的方法。

技术介绍

[0002]降水所释放的潜热是驱动全球大气环流的主要能量来源，其中降水潜热加热率(Latent Heat Rate,以下简称LH)是指单位时间内降水云中由于水物质的相态变化，包括凝结
‑
蒸发(气液转化)、冻结
‑
融化(液固转化)、凝华
‑
升化(固气转化)，所释放或吸收的热量使周围单位质量干空气温度升高的速率，单位开尔文每小时(K/hr)或摄氏度每小时(℃/hr)。而潜热“垂直廓线”是指降水潜热加热率(LH)随大气垂直高度变化的曲线。
[0003]目前降水潜热的卫星遥感法进一步包括物理反演方法。物理反演方法通过可观测的云和降水特征与潜热的定量物理联系而估测潜热。星载测雨雷达观测的降水率垂直梯度Γ＝dRr/dz反映着不同的降水量粒子增长或减小的微物理过程，对应不同的潜热释放率。根据此物理基础，目前已有人分析了降水率的垂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，该方法包括：获取降水率垂直梯度数据和对应的温度数据；对降水率垂直梯度数据和温度数据进行预处理；基于降水率垂直梯度数据和温度数据构建数据集，并基于数据集训练基于全连接神经网络的反演降水潜热垂直廓线的网络，得到训练好的降水潜热反演网络；将待反演的降水率垂直梯度数据和温度数据进行预处理，再将预处理后的待反演的降水率垂直梯度数据和温度数据输入训练好的降水潜热反演网络，得到降水潜热反演结果。2.如权利要求1所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述降水率垂直梯度数据和对应的温度数据的获取方法包括：利用WRF模式模拟获得包含降水率、温度、高度、潜热数据的输出变量，进而计算得到降水率垂直梯度数据和温度数据。3.如权利要求1所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述预处理包括：将地表以下的降水率垂直梯度和潜热赋值为0，异常值和缺省值利用其四周相邻数据的均值进行填充；对数据进行归一化处理。4.如权利要求1所述的一种基于全连接神经网络的反演降水潜热...

【专利技术属性】
技术研发人员：赵宏伟，李锐，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：