• • 上一篇
许毅1, 韦骏1, 魏春雷2, 杨凡2
1. 中山大学大气科学学院, 南方海洋科学与工程广东省实验室(珠海), 广东 珠海 519082;
2. 国家海洋局珠海海洋环境监测中心站, 广东, 珠海 519015
XU Yi1, WEI Jun1, WEI Chunlei2,
YANG Fan2
1. School of Atmospheric Sciences, Sun Yat-Sen University, Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Guangdong Zhuhai 519082;
2. Zhuhai Marine Environmental Monitoring Central Station of the State Oceanic Administration, Guangdong Zhuhai 519015
摘要: 高频地波雷达对近岸区域进行探测时, 雷达电磁波往往容易受到海岸线以及岛屿等地形因素的干扰, 从而导致雷达探测数据合成的海流方向出现较大的误差, 而传统的高频地波雷达反演算法并未将物理因素的影响纳入其中。为了解决这个问题, 结合卷积神经网(convolutional neural networks, CNN)和长短期记忆(long short-term memory, LSTM)神经网络的特点, 本文提出了一种基于CNN-LSTM的组合模型, 将海面风、潮汐以及海拔数据输入到模型中, 对雷达探测数据合成的海流方向进行校正。实验结果表明, CNN-LSTM模型能够有效提高受地形影响区域的雷达数据质量, 使合成的海流方向准确性显著提升。