[发明专利]一种基于粒子群算法的GNSS-R海面风速反演方法及系统

说明书

本发明公开了一种基于粒子群算法的GNSS‑R海面风速反演方法及系统，属于电子、信息及大气科学等领域，所述方法包括：批量下载与存储GNSS‑R数据以及海面风速数据；对数据进行预处理，并完成GNSS‑R数据与风速数据的空间、时间匹配；对匹配的数据进行筛选，保留高质量的样本，然后进行数据集文件格式规整，随机划分训练集和测试集；以DDM特征值和信号入射角为输入，构建地球物理模式函数，实现单特征值风速反演；基于粒子群优化算法，对组合风速反演模型进行优化，得到最优组合优化系数，完成风速组合反演。本发明的方法利用粒子群算法进行风速组合反演，大大提升了反演的准确性及效率，具有模型简单、鲁棒性强、反演精度高等特点。

技术领域

本发明涉及电子、信息及大气科学等领域，具体涉及一种基于粒子群算法的GNSS-R海面风速反演方法及系统。

背景技术

海面风场作为重要的气象学参数，通过海洋环流的作用间接影响地球气候，对其进行准确地探测与研究具有重要意义。传统的海面风场探测手段包括台站、浮标以及气象遥感卫星等，它们存在测量范围有限、成本高、功耗高等缺陷。近年来，GNSS-R技术反演海面风速的理论不断完善与发展，提供了一种覆盖范围大、时空分辨率高、成本较低的海面风场探测手段。目前利用GNSS-R进行风速反演的方法主要包括两种：

最小二乘波形匹配：利用DDM实测波形与仿真波形基于最小二乘原理进行匹配，从而利用仿真DDM对应的风速参数，实现反演。但此方法计算量大，鲁棒性弱。

地球物理模式函数法：利用从DDM中提取的各种特征值，建立与风速之间的经验地球物理模式函数，形式有查询表、分段多项式函数等。通过大量的实测或者仿真数据，可以建立较为准确的海面风速反演模型。此外，还可以使用最小方差估计器组合多特征值的风速反演结果，消除反演结果残差之间的不相关性，但由于DDM特征值相关性较强，精度提升较小。

综上，需要一种计算量小、精度更高的海面风速反演方法及系统。

发明内容

本发明的目的在于解决现有的多特征值组合反演风速的精度提升较小，以及克服波形匹配法中存在的计算量大、波形仿真复杂等问题。本发明提出了一种基于粒子群算法的GNSS-R海面风速反演方法及系统，相比于波形匹配方法，该方法无需进行计算量庞大的波形仿真，相比于地球物理模式函数法中使用最小方差估计器组合风速反演，该方法能够进一步提升反演性能，充分利用多种DDM特征值。

为了实现上述目的，本发明提供了一种基于粒子群算法的GNSS-R海面风速反演方法，包括：

步骤S1：获取GNSS-R DDM数据和风速参考数据；

步骤S2：进行数据预处理，将两种数据根据时间和空间进行匹配；

步骤S3：以距离控制增益、GPS卫星类型、质量控制标识等作为筛选条件，对数据集进行质量控制，并将筛选以后的样本集随机划分为训练集和测试集；

步骤S4：利用训练集中的DDM特征值与匹配好的风速参考真值，构建地球物理模式函数，分别利用LES和NBRCS进行单特征值反演；

步骤S5：基于粒子群算法，对多种DDM特征值的反演结果进行组合，得到组合反演模型；

步骤S6：利用测试集对组合反演模型进行性能评估，然后对待测DDM数据使用组合风速反演模型，进行风速预测。

在一种实施方式中，步骤S1具体包括：

步骤S1.1：批量获取指定日期的数据集URL下载链接；

步骤S1.2：使用脚本批量下载保存数据集。

在一种实施方式中，步骤S2具体包括：

步骤S2.1：进行数据预处理，包括风速数据中的uv分量合成10m高度风速U10,去除DDM数据中值为NaN的样本；