基于机器学习分类的海面风速反演方法技术

本发明专利技术公开了一种基于机器学习分类的海面风速反演方法

【技术实现步骤摘要】
基于机器学习分类的海面风速反演方法、系统及电子设备


[0001]本专利技术涉及海面风速反演
，并且更具体地，涉及一种基于机器学习分类的海面风速反演方法
、
系统及电子设备
。

技术介绍

[0002]海洋面积占地球面积的
71
％，海洋风场的分布是海洋遥感中最重要的参数之一
。
在大气循环中，它直接影响海洋环流，以及海洋和大气之间的物质和能量交换
。
此外，海洋表面风场在维持区域和全球气候方面发挥着重要作用
。
因此，它也是气象学中的一个重要参数
。
[0003]近年来，基于双基地测量方法的全球导航卫星系统反射
(GNSS
‑
R)
技术以其高时空分辨率
、
全天候和低成本的优点，被广泛应用于海面风场的探测
。
基于
GNSS
‑
R
的海面风速反演的基本原理是接收机同时接收导航卫星的直接信号和海面反射的信号
。r/>在对两个信号进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器学习分类的海面风速反演方法，其特征在于，包括：获取全球导航卫星系统反射技术的
L1
级产品的特征参数；利用预先训练好的海面风速判别模型，确定特征参数的风速类型，其中风速类型包括第一类型和第二类型，第一类型的风速大于预设阈值，第二类型的风速小于或者等于预设阈值；根据特征参数的风速类型，将特征参数输入对应的风速反演模型进行海面风速反演，得到反演风速值
。2.
根据权利要求1所述的方法，其特征在于，所述利用预先训练好的海面风速判别模型，确定特征参数的风速类型之前，还包括：根据全球导航卫星系统反射技术提供的质量标志位，对特征参数进行质量控制，去除特征参数中的异常值；对质量控制后的特征参数进行归一化处理
。3.
根据权利要求1所述的方法，其特征在于，所述风速反演模型包括第一风速反演模型和第二风速反演模型，第一风速反演模型基于风速类型为第一类型的历史特征参数集训练得到，第二风速反演模型基于风速类型为第二类型的历史特征参数集训练得到；并且，所述根据特征参数的风速类型，将特征参数输入对应的风速反演模型进行海面风速反演，包括：当特征参数的风速类型为第一类型时，将特征参数输入第一风速反演模型；当特征参数的风速类型为第二类型时，将特征参数输入第二风速反演模型
。4.
根据权利要求1所述的方法，其特征在于，通过以下步骤训练所述海面风速判别模型：收集预设时间范围内的全球导航卫星系统反射技术的
L1
级产品的历史特征参数以及
ERA5
再分析数据的参考风速；将历史特征参数和参考风速构成的数据集划分为训练集和验证集；利用训练集和验证集对支持向量机分类模型进行训练，得到海面风速判别模型
。5.
根据权利要求4所述的方法，其特征在于，所述将历史特征参数和参考风速构成的数据集划分为训练集和验证集之前，还包括：根据全球导航卫星系统反射技术提供的质量标志位，对历史特...

【专利技术属性】
技术研发人员：何善宝，谢珩，程星，庞晶晶，蔡敏，李帅帅，
申请(专利权)人：安徽正弦空间科学技术有限公司，
类型：发明
国别省市：