關鍵詞：神經網絡 風速反演 

摘要：隨著GNSS-R技術在海洋遙感領域的發展,已經積累了海量的GNSS-R數據。針對基于時延-多普勒相關功率圖(DDM)實測波形與經驗模型反演風速復雜性高、計算量大和精度低的問題,采用兩種神經網絡方法,基于NASA CYGNSS的DDM數據,分析了DDM與海洋表面風速的關系,首先引入卷積神經網絡建立風速等級分類模型對海洋表面風速進行分類反演,但效果不理想。為獲取精度更高的反演風速,對DDM進行特征提取,改用BP神經網絡完成了風速反演。反演風速與實際風速的皮爾遜相關系數為0.958、均方根誤差為1.86 m/s、平均相對誤差為2.66%,證明了基于DDM使用神經網絡反演風速的可行性和有效性。

科技通報雜志要求:

{1}如論文系某科研基金資助項日，須注明基金名稱、項目編號。

{2}本刊倡導良好學風，嚴格遵守學術規范。來稿如發生侵犯他人著作權的行為，作者應負全部責任并賠償一切損失。

{3}中文標題一般不超過20字，正文層次標題應簡短明確，可不編號；如需編號，各層次一律用大寫數字連續編號，依次為：一、（一）、1、（1）等。

{4}參考文獻是論文引文的出處或參閱的各種書刊資料，其文獻項目和要素須集中列在論文的文末。

{5}來稿應附上中文題名、摘要、關鍵詞，作者姓名、職稱、工作單位、通訊地址、聯系電話附于文末，以便聯系。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社