基于深度極限學(xué)習(xí)機(jī)的衛(wèi)星云圖云量計(jì)算.pdf

1、基于衛(wèi)星云圖進(jìn)行的云分類，云檢測，云量計(jì)算是獲取區(qū)域云量分布的主要方式，也是衛(wèi)星氣象應(yīng)用的基礎(chǔ)，但是現(xiàn)階段的研究未能充分利用衛(wèi)星云圖的特征以及衛(wèi)星光學(xué)參數(shù)，導(dǎo)致云分類及云量計(jì)算效果不好，從實(shí)際氣象應(yīng)用來看，云量計(jì)算技術(shù)的使用效果不理想。本文在查閱了眾多國內(nèi)外研究成果之后，將深度極限學(xué)習(xí)機(jī)應(yīng)用在了衛(wèi)星云圖的云量計(jì)算中。
　　近年來，關(guān)于神經(jīng)網(wǎng)絡(luò)的研究非?；钴S，其中極限學(xué)習(xí)機(jī)在大量的實(shí)際應(yīng)用中展示出了很好的適用性和魯棒性，具有良好的自

2、學(xué)習(xí)能力且學(xué)習(xí)速度快，同時(shí)，基于多層神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)具有更強(qiáng)的學(xué)習(xí)能力，因此，本文使用一種基于深度極限學(xué)習(xí)機(jī)的方法來對衛(wèi)星云圖中的云進(jìn)行分類和檢測，然后以此為基礎(chǔ)去解決衛(wèi)星云圖的云量計(jì)算問題。為了體現(xiàn)深度極限學(xué)習(xí)機(jī)的優(yōu)勢，還提出了另一種基于卷積神經(jīng)網(wǎng)絡(luò)的云圖檢測方法，將深度極限學(xué)習(xí)機(jī)跟卷積神經(jīng)網(wǎng)絡(luò)作了對比。本文的主要工作包括如下方面:
　　1.首先提取大量固定像素大小的衛(wèi)星云圖圖塊，作為深度極限學(xué)習(xí)機(jī)的訓(xùn)練樣本，然后用深度極限學(xué)