本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云量計算

  更多相關(guān)文章： 衛(wèi)星云圖 卷積神經(jīng)網(wǎng)絡(luò) 極限學(xué)習(xí)機 云量計算

【摘要】：衛(wèi)星云圖解譯是利用衛(wèi)星云圖進行的氣象應(yīng)用的研究,在氣象衛(wèi)星云圖解譯的領(lǐng)域里,云的分類和云量計算是核心,但是由于目前的方法對衛(wèi)星光學(xué)參數(shù)以及對衛(wèi)星云圖的特征利用率不高,所以導(dǎo)致了云圖解譯中的云分類和云量計算不是很準(zhǔn)確,實際的云量計算應(yīng)用也沒有成熟到業(yè)務(wù)化的地步；本文是在調(diào)研了國內(nèi)外相關(guān)研究的基礎(chǔ)后,重點研究了卷積神經(jīng)網(wǎng)絡(luò)在衛(wèi)星云圖的云量計算中的應(yīng)用。近年來,深度學(xué)習(xí),特別是卷積神經(jīng)網(wǎng)絡(luò)在很多應(yīng)用領(lǐng)域都表現(xiàn)出強大的適應(yīng)性和魯棒性,卷積神經(jīng)網(wǎng)絡(luò)具有良好的容錯、并行處理和自學(xué)習(xí)能力,因此,本文使用了一種基于卷積神經(jīng)網(wǎng)絡(luò)的方法來進行衛(wèi)星云圖解譯,進而解決衛(wèi)星云圖的云量計算問題,同時,對于卷積神經(jīng)網(wǎng)絡(luò)檢測速度相對較慢的問題,提出了一種基于極限學(xué)習(xí)機的方法來對云圖檢測方法做進一步的補充和研究。本文的主要工作包括如下方面：1.首先對原始衛(wèi)星云圖進行樣本提取,作為卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,然后用卷積神經(jīng)網(wǎng)絡(luò)對衛(wèi)星云圖的不同可見光通道的不同表達來實現(xiàn)厚云、薄云、晴空以及薄云和厚云交界的檢測,最后用傳統(tǒng)的閾值法、動態(tài)閾值法和基于極限學(xué)習(xí)機方法檢測后的云圖來做對比。2.在云檢測的基礎(chǔ)上,研究如何改進“空間相關(guān)法”計算總云量,最后通過與專家標(biāo)定的標(biāo)準(zhǔn)數(shù)據(jù)庫結(jié)果進行對比分析,改進并完善云圖解譯相關(guān)算法,本文將為衛(wèi)星云圖的全面自動觀測奠定堅定的理論基礎(chǔ)。
【關(guān)鍵詞】：衛(wèi)星云圖 卷積神經(jīng)網(wǎng)絡(luò) 極限學(xué)習(xí)機 云量計算
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751;TP183
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 第一章 緒論8-14
• 1.1 研究背景8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.3 論文的主要內(nèi)容及章節(jié)安排12-14
• 第二章 卷積神經(jīng)網(wǎng)絡(luò)簡介14-24
• 2.1 卷積神經(jīng)網(wǎng)絡(luò)概述14
• 2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)14-16
• 2.3 權(quán)值共享16-17
• 2.4 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練17-22
• 2.4.1 前向傳播過程17-18
• 2.4.2 反向傳播過程18-19
• 2.4.3 卷積層梯度計算19-20
• 2.4.4 下采樣層梯度計算20-21
• 2.4.5 SOFTMAX回歸分類21-22
• 2.5 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點22-23
• 2.6 本章小結(jié)23-24
• 第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖檢測24-38
• 3.1 研究動機24
• 3.2 衛(wèi)星云圖閾值分割法24-26
• 3.2.1 傳統(tǒng)閾值法24-25
• 3.2.2 最大類間方差自適應(yīng)閾值法25-26
• 3.3 基于CNN模型的衛(wèi)星云圖檢測26-29
• 3.3.1 圖像預(yù)處理26-27
• 3.3.2 特征學(xué)習(xí)27-29
• 3.4 卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化29-31
• 3.4.1 神經(jīng)網(wǎng)絡(luò)層數(shù)29-30
• 3.4.2 濾波器個數(shù)的選擇30-31
• 3.4.3 網(wǎng)絡(luò)濾波器大小選擇31
• 3.5 實驗結(jié)果分析31-37
• 3.6 本章小結(jié)37-38
• 第四章 基于極限學(xué)習(xí)機的衛(wèi)星云圖檢測38-46
• 4.1 研究動機38
• 4.2 極限學(xué)習(xí)機介紹38-42
• 4.2.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)38-42
• 4.3 實驗結(jié)果分析42-45
• 4.4 本章小結(jié)45-46
• 第五章 基于云圖檢測的云量計算46-54
• 5.1 研究動機46
• 5.2 云量計算方法46-48
• 5.3 總云量計算方案48-52
• 5.4 總云量驗證方案52-53
• 5.5 本章小結(jié)53-54
• 第六章 總結(jié)與展望54-56
• 6.1 工作總結(jié)54-55
• 6.2 論文展望55-56
• 致謝56-58
• 參考文獻58-65
• 攻讀碩士期間完成的科研情況65

，

本文編號：1001328