基于DQN和U-NET的大地电磁反演研究
这是一篇关于大地电磁,反演,DQN,U-NET,不确定性的论文, 主要内容为大地电磁法(magnetotelluric,MT)作为一种被动源勘探方法,具有数据采集方便、探测深度大的特点,是深部矿产资源勘探和地球科学研究的重要技术。过去的几十年中,反演技术作为大地电磁数据解释的主要方法取得了快速发展,已从简单的一维反演转变为适应复杂结构的三维反演。然而,传统的梯度类反演方法,如Occam法、快速松弛法和高斯牛顿法等虽然可以对数据进行高效反演,但是存在着依赖于初始模型和易陷入局部极值等问题。近年来随着计算机性能和正演方法的快速发展,越来越多的新方法被地球物理学家引入到大地电磁数据反演中,旨在克服传统反演方法存在的问题,提高反演结果的精度。本文在前人的研究基础上,将深度强化学习中的深度Q网络(DQN)和深度学习中的全卷积神经网络U-NET应用到大地电磁数据反演中,期望提高反演的稳定性和分辨率。本文主要研究内容如下:DQN方法是一种将强化学习中的Q-learning和深度神经网络结合起来的随机优化算法,近年来在机器人、游戏、智能驾驶等领域发展迅速,但在地球物理领域还并未得到应用。该方法的优化思想是将实际问题转换成一个马尔可夫决策过程模型,并在模型中不断试错,积累经验,更新参数,进化自身。基于其试错优化的思想,该方法需要进行大量的正演,因此本文利用求解速度快的一维模型测试DQN方法的反演效果。由于地球物理反演存在很强的等值现象,为了得到更加贴近真实模型的反演结果,本文并未使用训练好的DQN进行反演,而是把每一个数据反演都看成是一次训练。基于贝叶斯方法的思想,本文将DQN反演过程中的大量反演结果进行概率统计,得到模型参数的概率分布和最大概率反演结果,获得了反演结果的不确定性信息。本文分别采用五层和八层的地电模型对DQN方法进行测试。五层模型的反演结果证明该方法对初始模型依赖较小;八层模型的反演结果进一步体现了该方法具备良好的抗噪能力。通过与Occam方法和贝叶斯方法进行了对比,证明了该方法具备良好的鲁棒性。最后,本文采用内蒙古某测区的实测数据对该方法进行了测试,反演结果与先验信息拟合较好。作为一种全卷积神经网络,U-NET与传统的神经网络不同,其隐层均由卷积层组成,并通过上采样和下采样实现了编码和解码的过程。由于U-NET是一种自动监督学习的方法,可以实现数据到模型的直接映射,因此该方法可以得到超过传统反演方法的高分辨率反演结果。鉴于U-NET网络具有较高的复杂数据对的映射能力,本文将U-NET应用于大地电磁二维数据反演中。本文利用基于交错网格的有限差分正演方法实现大地电磁TE和TM模式响应的计算,并用其作为U-NET的输入。本文在前人的研究基础上设计了更加贴近真实地下情况的地电模型,并在训练集的建立和损失函数的改进两个方面对U-NET进行了测试,旨在进一步探索U-NET在大地电磁数据反演方面的能力。大量的数值实验结果表明:1)噪声对训练集的影响较小;2)不同形式的损失函数得到的反演结果与其特征一致;3)损失函数中加入模型约束项在一定程度上可以对反演结果进行改善;4)该方法反演结果的分辨率超过传统反演方法。综上所述,本文基于DQN和U-NET实现了大地电磁数据的反演,一定程度上提高大地电磁数据的反演分辨率,为大地电磁资料的解释提供了全新的技术参考。
不同冰晶散射模型对冰云参数反演及地表短波辐射估算的影响
这是一篇关于冰晶散射模型,双层云,云参数,反演,地表短波辐射的论文, 主要内容为云在全球能量和水循环中起着重要的作用,是地-气系统不可缺少的组成部分。从全球尺度来看,云量及云光学、微物理特性的一些细微的变化都可能会对气候系统产生显著的影响。因此云的时空分布特征、云光学和微物理特性的研究对云辐射特性的准确估算以及对地表辐射收支及气候变化的可能影响的研究具有重要意义。利用卫星遥感技术可以获取云的时空分布特征,同时结合大气辐射传输理论可以反演云光学和微物理特性参数。然而,云参数的遥感反演中冰云和多层云的反演精度还存在很大的不确定性,导致后续估算地表太阳辐射收支出现误差。本文利用2016年12月-2017年11月期间的Himawari-8二级云光学和微物理参数(光学厚度,粒子有效半径等)产品,提取了Himawari-8全盘范围内冰云和多层云参数,分析其时空分布特征。通过分析得知2016年12月-2017年11月冰云与多层云云量由大到小依次为夏季、冬季、春季、秋季。冰云出现频率在10oN10oS范围内最高,大部分区域可达45%以上,赤道附近多层云出现频率最高,大部分区域在25%-35%之间。为把握不同的冰晶散射模型对单层冰云和双层云参数反演以及对地表短波辐射估算的影响,引入RSTAR辐射传输模式分析了冰晶散射模型,卫星观测辐亮度和地表短波辐射对不同云参数、太阳天顶角以及卫星观测角等的敏感性。在此基础上根据CALIPSO观测到的双层云叠盖情况,采用构建查找表法(LUT)估算了不同相态和冰晶散射模型组合的双层云对云参数反演以及估算地表短波辐射带来的误差,得出如下主要结论:(1)在假设为单层冰云情况下,不同云相态计算的大气顶辐亮度随太阳天顶角的增加呈减少趋势,地表短波辐射则呈急速减少趋势而随着地表反照率的增加呈增加趋势;不同冰晶模型计算的大气顶辐亮度随太阳天顶角的增加呈减少趋势,而随卫星天顶角的增加呈上升趋势,地表短波辐射随太阳天顶角的增加呈急速减少趋势;不同有效粒子半径的水云计算的辐亮度随光学厚度的增加呈增加趋势,地表短波辐射则呈减少趋势。(2)在假设为双层云情况下,对于卫星观测到的相同大气顶辐亮度:冰晶散射模型为椭球形时,反演得到的水云与冰云光学厚度差值较小,从而计算的地表短波辐射差值也较小,相对误差为1.91%;而冰晶散射模型为六角柱时反演得到的水云与冰云光学厚度差异非常大,当辐亮度值为214.1 W/m2.μm.sr时,相对误差最大值为56.31%。探讨不同冰晶散射模型对云参数反演与地表短波太阳辐射估算的影响以及准确把握双层云所导致的反演误差有助于加深我们对云在全球气候变化作用中的理解,并对提高或改进利用卫星反演云参数算法提供参考依据。
基于DQN和U-NET的大地电磁反演研究
这是一篇关于大地电磁,反演,DQN,U-NET,不确定性的论文, 主要内容为大地电磁法(magnetotelluric,MT)作为一种被动源勘探方法,具有数据采集方便、探测深度大的特点,是深部矿产资源勘探和地球科学研究的重要技术。过去的几十年中,反演技术作为大地电磁数据解释的主要方法取得了快速发展,已从简单的一维反演转变为适应复杂结构的三维反演。然而,传统的梯度类反演方法,如Occam法、快速松弛法和高斯牛顿法等虽然可以对数据进行高效反演,但是存在着依赖于初始模型和易陷入局部极值等问题。近年来随着计算机性能和正演方法的快速发展,越来越多的新方法被地球物理学家引入到大地电磁数据反演中,旨在克服传统反演方法存在的问题,提高反演结果的精度。本文在前人的研究基础上,将深度强化学习中的深度Q网络(DQN)和深度学习中的全卷积神经网络U-NET应用到大地电磁数据反演中,期望提高反演的稳定性和分辨率。本文主要研究内容如下:DQN方法是一种将强化学习中的Q-learning和深度神经网络结合起来的随机优化算法,近年来在机器人、游戏、智能驾驶等领域发展迅速,但在地球物理领域还并未得到应用。该方法的优化思想是将实际问题转换成一个马尔可夫决策过程模型,并在模型中不断试错,积累经验,更新参数,进化自身。基于其试错优化的思想,该方法需要进行大量的正演,因此本文利用求解速度快的一维模型测试DQN方法的反演效果。由于地球物理反演存在很强的等值现象,为了得到更加贴近真实模型的反演结果,本文并未使用训练好的DQN进行反演,而是把每一个数据反演都看成是一次训练。基于贝叶斯方法的思想,本文将DQN反演过程中的大量反演结果进行概率统计,得到模型参数的概率分布和最大概率反演结果,获得了反演结果的不确定性信息。本文分别采用五层和八层的地电模型对DQN方法进行测试。五层模型的反演结果证明该方法对初始模型依赖较小;八层模型的反演结果进一步体现了该方法具备良好的抗噪能力。通过与Occam方法和贝叶斯方法进行了对比,证明了该方法具备良好的鲁棒性。最后,本文采用内蒙古某测区的实测数据对该方法进行了测试,反演结果与先验信息拟合较好。作为一种全卷积神经网络,U-NET与传统的神经网络不同,其隐层均由卷积层组成,并通过上采样和下采样实现了编码和解码的过程。由于U-NET是一种自动监督学习的方法,可以实现数据到模型的直接映射,因此该方法可以得到超过传统反演方法的高分辨率反演结果。鉴于U-NET网络具有较高的复杂数据对的映射能力,本文将U-NET应用于大地电磁二维数据反演中。本文利用基于交错网格的有限差分正演方法实现大地电磁TE和TM模式响应的计算,并用其作为U-NET的输入。本文在前人的研究基础上设计了更加贴近真实地下情况的地电模型,并在训练集的建立和损失函数的改进两个方面对U-NET进行了测试,旨在进一步探索U-NET在大地电磁数据反演方面的能力。大量的数值实验结果表明:1)噪声对训练集的影响较小;2)不同形式的损失函数得到的反演结果与其特征一致;3)损失函数中加入模型约束项在一定程度上可以对反演结果进行改善;4)该方法反演结果的分辨率超过传统反演方法。综上所述,本文基于DQN和U-NET实现了大地电磁数据的反演,一定程度上提高大地电磁数据的反演分辨率,为大地电磁资料的解释提供了全新的技术参考。
不同冰晶散射模型对冰云参数反演及地表短波辐射估算的影响
这是一篇关于冰晶散射模型,双层云,云参数,反演,地表短波辐射的论文, 主要内容为云在全球能量和水循环中起着重要的作用,是地-气系统不可缺少的组成部分。从全球尺度来看,云量及云光学、微物理特性的一些细微的变化都可能会对气候系统产生显著的影响。因此云的时空分布特征、云光学和微物理特性的研究对云辐射特性的准确估算以及对地表辐射收支及气候变化的可能影响的研究具有重要意义。利用卫星遥感技术可以获取云的时空分布特征,同时结合大气辐射传输理论可以反演云光学和微物理特性参数。然而,云参数的遥感反演中冰云和多层云的反演精度还存在很大的不确定性,导致后续估算地表太阳辐射收支出现误差。本文利用2016年12月-2017年11月期间的Himawari-8二级云光学和微物理参数(光学厚度,粒子有效半径等)产品,提取了Himawari-8全盘范围内冰云和多层云参数,分析其时空分布特征。通过分析得知2016年12月-2017年11月冰云与多层云云量由大到小依次为夏季、冬季、春季、秋季。冰云出现频率在10oN10oS范围内最高,大部分区域可达45%以上,赤道附近多层云出现频率最高,大部分区域在25%-35%之间。为把握不同的冰晶散射模型对单层冰云和双层云参数反演以及对地表短波辐射估算的影响,引入RSTAR辐射传输模式分析了冰晶散射模型,卫星观测辐亮度和地表短波辐射对不同云参数、太阳天顶角以及卫星观测角等的敏感性。在此基础上根据CALIPSO观测到的双层云叠盖情况,采用构建查找表法(LUT)估算了不同相态和冰晶散射模型组合的双层云对云参数反演以及估算地表短波辐射带来的误差,得出如下主要结论:(1)在假设为单层冰云情况下,不同云相态计算的大气顶辐亮度随太阳天顶角的增加呈减少趋势,地表短波辐射则呈急速减少趋势而随着地表反照率的增加呈增加趋势;不同冰晶模型计算的大气顶辐亮度随太阳天顶角的增加呈减少趋势,而随卫星天顶角的增加呈上升趋势,地表短波辐射随太阳天顶角的增加呈急速减少趋势;不同有效粒子半径的水云计算的辐亮度随光学厚度的增加呈增加趋势,地表短波辐射则呈减少趋势。(2)在假设为双层云情况下,对于卫星观测到的相同大气顶辐亮度:冰晶散射模型为椭球形时,反演得到的水云与冰云光学厚度差值较小,从而计算的地表短波辐射差值也较小,相对误差为1.91%;而冰晶散射模型为六角柱时反演得到的水云与冰云光学厚度差异非常大,当辐亮度值为214.1 W/m2.μm.sr时,相对误差最大值为56.31%。探讨不同冰晶散射模型对云参数反演与地表短波太阳辐射估算的影响以及准确把握双层云所导致的反演误差有助于加深我们对云在全球气候变化作用中的理解,并对提高或改进利用卫星反演云参数算法提供参考依据。
基于机器学习的半干旱地区地基微波辐射计反演算法研究
这是一篇关于地基微波辐射计,质量控制,机器学习,反演,算法的论文, 主要内容为大气温湿度廓线是描述大气热力和动力状态变化的重要参数。传统的系留气球探测方法可以在多种复杂天气条件下进行观测,但是运作耗费大,探测频率低,而地基微波辐射计具有全天候自动观测能力,能够提供高时间分辨率的观测资料,对提高短时临近预报的准确性、研究天气的演变过程、人工影响天气的实现具有重要意义。本文利用兰州大学SACOL站TP/WVP 3000型号地基微波辐射计观测资料和榆中站探空资料,提出了地基微波辐射计受云影响的观测亮温订正算法,选取BP神经网络算法、RBF神经网络算法、多元线性回归和SVR算法研究了多种机器学习算法在半干旱地区地基微波辐射计气象要素反演方面的适用性,并对比了观测亮温训练方案和模拟亮温训练方案在微波辐射计反演算法本地化应用的中差异;选取SVR为最优算法进行了小时分辨率的大气温度、相对湿度和水汽密度反演,检验了订正算法和SVR反演算法在半干旱地区多种大气条件下的适用性,并研究了以榆中为代表的半干旱地区大气边界层的变化特征,主要结论如下:(1)选取268 K作为判断地基微波辐射计是否受云影响的红外亮温阈值并对微波辐射计亮温观测数据进行判定,将云样本与MonoRTM模拟亮温对比可以发现云对地基微波辐射计17通道的观测影响较大,会造成亮温异常升高。利用模拟亮温和观测亮温基于支持向量机回归训练得到订正算法,对云样本进行订正,订正后12通道观测亮温的均方根误差均减少,其中对4、5、6通道的订正效果最为显著,但是会引起912通道亮温偏差增大,因此该方法仅适用于18通道的观测亮温订正。(2)对BP神经网络算法、RBF神经网络算法、多元线性回归和SVR算法的观测亮温和模拟亮温训练方案进行了对比,得出以下结论,就温度廓线而言在00.2 km的近地层,四种算法的模拟亮温训练方案均能取得较好的结果,但是在其余高度层上观测亮温训练方案效果更好;就湿度廓线而言BP神经网络算法、RBF神经网络算法和SVR算法的相对湿度廓线的对比验证结果与温度廓线类似,而OBS-MLR算法除在0.43.5 km的高度层更有优势外,在其余高度精度均低于SIM-MLR;就水汽密度廓线而言,四种方法水汽密度廓线训练方案的对比结果与相对湿度类似,由此可以得出三种非线性算法的观测亮温训练方案更适用于半干旱地区微波辐射计温度、相对湿度和水汽密度的反演,而线性算法多元线性回归的观测亮温训练方案仅在大气温度廓线反演方面更有优势。(3)将观测亮温训练所得的四种反演算法进行对比可以看出,四种算法反演的温度廓线均方根误差均随高度升高而逐渐增大,在4 km以下四种算法精度较为接近,4 km以上OBS-SVR均方根误差最小;反演的相对湿度廓线在05 km反演结果的均方根误差均随高度逐渐增大,5 km以上均方根误差逐渐减小;OBS-SVR反演所得温度廓线的相关系数在所有高度层上均大于OBS-BP;OBS-SVR反演的水汽密度廓线的均方根误差随高度逐渐降低,其余三种算法在01 km随高度升高,1 km以上随高度逐渐降低,除近地层外OBS-SVR的均方根误差均小于其他三种算法,OBS-SVR为地基微波辐射计反演算法本地化训练最佳方案,SVR算法在半干旱地区地基微波辐射计反演算法本地化方面更有优势。(4)利用OBS-SVR反演所得2009年6月到2010年6月小时分辨率的大气温度廓线研究了以榆中为代表的半干旱地区边界层年和季节平均日变化特征显著。榆中地区在15:00达到全年日平均最大高度为1163 m,6:00达到全年日平均边界层高度最低值为304 m;大气边界层高度日变化有明显的季节性差异,最大边界层高度由夏季的1557 m减少为春季的1012 m,春、夏均存在大气边界层高度达到最大高度后维持和波动,而冬、秋大气边界到达最大值后就开始降低。(5)利用OBS-SVR分别反演晴天和阴天个例,对比研究了以榆中为代表的半干旱地区晴天和多云天气状况下边界层发展及边界层内气象要素的变化特征。晴空天气条件下,该地区大气边界层高度日变化显著,日出加热地表,促进对流发展,边界层高度开始抬升水汽由地面向上输送,日落后地面辐射冷却,温度降低,对流减弱有逆温层形成,残留层保留了日间混合边界层特征,水汽分布均匀;多云天气条件下,边界层高度没有显著的日变化,物质和能量向上输送减缓,水汽输送效应不明显。(6)利用OBS-SVR反演所得的温度、相对湿度廓线和水汽密度廓线可以完成全年多种复杂天气情况下温度、相对湿度和水汽密度反演,其反演资料能够应用于晴天和多云天气条件下的气象要素演变特征研究,说明SVR订正算法能够减少云对地基微波辐射计观测亮温的影响,提高观测亮温的反演精度,OBS-SVR训练方案训练所得的SVR反演算法具有较好的泛化能力,能够适用于半干旱地区多种天气条件下的气象要素反演,在半干旱地区地基微波辐射计反演算法本地化中具有优势。
基于多源卫星遥感数据的气溶胶反演及基本特性研究
这是一篇关于CALIPSO AOD,反演,订正,气溶胶立体分布,气溶胶光学特性的论文, 主要内容为随着我国经济的高速发展,工业生产、汽车尾气、化石燃料燃烧等带来的大气污染日益严重,极端雾霾、极寒、短时强降水、闪电等灾害天气也频频发生,这些现象已严重影响到人们的正常工作与生活。气溶胶是研究气候变化与大气污染的重要参数,也是进行定量遥感必需获得的参数,其参数反演精度、物化性质以及空间分布一直是大气污染和气候变化研究中的热点,也是我们了解最薄弱的部分。因此,借助多源卫星数据,结合地基观测数据,进行气溶胶参数遥感定量反演、大气气溶胶特性及空间分布的精确探测具有重要科学价值。论文主要研究了如下内容:首先,基于边界层气溶胶垂直廓线分布的订正方案,提出了一种全新的基于CALIPSO卫星数据的气溶胶光学厚度(AOD)定量反演算法。利用地面资料对AOD反演结果进行验证,并分析其可能的误差源。结果表明:滤云处理后反演得到的CALIPSO AOD值普遍低于地基观测站的AOD值,而订正后的CALIPSO AOD值与地基观测的AOD值相比,除个别站(龙凤山)外,其他站的拟合斜率和相关系数都有提高,订正效果较好;CALIPSO卫星与地面站的相互位置对验证结果会有影响,其中类型2的拟合结果好于其他类型的拟合结果;不同相对湿度对地基、卫星AOD有一定影响,总而言之,不管是CALIPSO AOD还是订正后的CALIPSO AOD(corrected),拟合斜率和拟合系数都随相对湿度的增加而减小。其次,利用长时间序列的MODIS数据探讨了江西地区AOD空间变化特征,同时利用CALIPSO/CALIOP VFM数据,计算了气溶胶、不同子类型气溶胶和云的垂直概率分布和MPH(最大似然高度)。发现,江西地区AOD水平分布由南向北逐渐递增。其中,九江、南昌地区达到最高。垂直方向上,气溶胶主要累积在13.5km,云和气溶胶的混合状态出现概率大于分离状态。在24km垂直高度上,春季污染沙尘出现的概率最高,冬季次之,夏季与秋季相当。而烟尘气溶胶夏季出现的概率最高,春、冬季相当,秋季次之。最后,针对北京地区一次极端雾霾事件,通过利用地面和卫星观测数据,结合气象条件,采用后向轨迹模式来分析雾霾形成过程和气溶胶光学特性,并探讨可能的污染来源。结果表明:高的相对湿度、差的扩散条件(低风速和稳定的大气层)和在高排放与气溶胶吸湿增长条件下气溶胶二次转化是这次重霾事件发生的主要原因。雾霾期间,AOD500nm日均值为1.15,水气(CWV)的日均值为0.42cm。Angstrom指数,细粒子模态的日均值分别为1.19和0.81,这表明细小的气溶胶颗粒在大气中含量较多,成为霾期间大气消光的主要贡献者。卫星观测显示,雾霾期间北京地区有一层明显的气溶胶层集中在地面上层2km内,气溶胶类型主要由混合污染气溶胶组成。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设工厂 ，原文地址：https://m.bishedaima.com/lunwen/54202.html
