首页|基于卷积神经网络的高频地波雷达有效波高反演

基于卷积神经网络的高频地波雷达有效波高反演

扫码查看
原文链接
  • 万方数据
  • 维普
高频地波雷达海面回波多普勒谱中蕴含着非常丰富的海浪信息,针对经验模型通常存在对回波谱信息利用不充分的问题,本文提出了一种利用卷积神经网络反演波高的方法.首先基于雷达后向散射截面方程和有效波高反演的参数化经验模型,并结合实测数据分析,本文选取了二阶与一阶谱能量比值、二阶谱能量和、二阶与一阶谱峰值比、Bragg频率处无向波高谱值、二阶谱能量、二阶谱峰值、左右一阶谱峰值及其比值、1/(√2)布拉格频率处峰值、一阶谱能量共11种与有效波高相关的回波谱特征参数;为进一步说明一阶和二阶信息对有效波高的作用,将11种特征参数分成4个组合,分别搭建了多层深度卷积神经网络并进行高频地波雷达有效波高反演;然后将高、低两种海况下多层深度卷积神经网络模型与经验模型反演结果进行对比分析.研究结果表明,利用11种特征参数构建的模型波高反演精度更高,在高、低海况测试集中雷达反演有效波高与浮标波高序列相关系数R分别为0.92和0.78,均方根误差(Root Mean Square Error,RMSE)分别为0.32 m和0.21 m,平均绝对误差(Mean Absolute Error,MAE)分别为0.25 m和0.16 m,平均相对误差(Mean Relative Error,MRE)分别为0.12和0.27.综合利用这11种特征参数,能够提高雷达在复杂海况下对有效波高的反演精度.
Significant Wave Height Inversion of High Frequency Surface Wave Radar Based on Convolutional Neural Network

High Frequency Surface Wave Radar(HFSWR)significant wave heightconvolution neural networkinversion

于彩彩、楚晓亮、王曙曜

展开 >

中国海洋大学物理与光电工程学院,山东青岛266100

中国船舶集团有限公司第七二四研究所,江苏南京211106

高频地波雷达 有效波高 卷积神经网络 反演

国家重点基础研究发展计划项目

2017YFC1405202

2024

10.12362/j.issn.1671-6647.20221027001

海洋科学进展
中国海洋学会 国家海洋局第一海洋研究所

海洋科学进展

CSTPCD北大核心
影响因子：0.532
ISSN：1671-6647
年,卷(期)：2024.42(1)
  • 26