首页> 中文期刊> 《水电能源科学》 >基于星地多源数据与GA-DNN模型的江苏省GPM产品降尺度研究

基于星地多源数据与GA-DNN模型的江苏省GPM产品降尺度研究

         

摘要

针对GPM降水产品低空间分辨率的缺陷,基于多源环境数据提取了表征区域地形、水汽、地表覆被、海陆位置等20个辅助变量,采用遗传算法(GA)提取最相关变量做为降尺度因子,运用深层神经网络(DNN)算法建立2019年江苏省GPM逐月产品的降尺度模型,并利用地面站点数据进行验证。结果表明,GA算法能很好地排除冗余信息、约简降尺度模型;基于地面资料的独立验证表明降尺度后数据的决定系数R^(2)介于0.43~0.93之间,相对误差M_(RE)在7.47%~23.77%之间,平均绝对误差M_(AE)、均方根误差R_(MSE)分别为2.18~26.84、3.23~29.54 mm;与GPM原始产品相比,降尺度后的平均R^(2)增加了0.05,M_(AE)、R_(MSE)分别减小了1.44、2.04 mm,M_(RE)降低了2.97%。提出的GA-DNN降尺度模型可为粗级降水产品的精细化提供技术参考。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号