Восстановление профилей температуры и влажности тропосферы методом нейронных сетей

В докладе рассматривается решение обратной задачи восстановления профилей температуры и влажности тропосферы с помощью нейронных сетей. Для решения этой задачи использовались значения яркостной температуры атмосферы на выбранных частотах. Обучение нейронной сети проводилось на массивах данных, полученных с помощью аэрозондов, запущенных над океаном с кораблей или с небольших островов.
Для определения профиля температуры использовались 6 частот вблизи линий кислорода в окрестности 55 ГГц (52,8000 53,7110 54,4000 54,9400 55,5000 57,2903 ГГц). Для определения влажности 7 частот в близи линии водяного пара 183,31 ГГц (166,3 176,3 178,8 180,3 181,5, 182,3 183,0 ГГц). Количество зондовых измерений варьировалось в диапазоне от 1122 до 5000.
Структура нейронных сетей оптимизировалась на тестовых профилях по числу слоев и нейронов. Оптимальными показали себя двухслойные сети с числом нейронов от 10 до 13. Кроме этого, использовались дополнительные методы оптимизации сетей. Так, для профилей влажности, обучающие и тестовые массивы для сетей сортировались по значениям интегральной влажности в диапазонах 5-10, 10-15, 15-20, 30-40 и >40 кг/м2, что существенно улучшало качество обучения и точность решения обратной задачи. Коэффициент корреляции при этом колебался в диапазоне 0,85-0,95, что подтверждает возможность применения метода.
Проводилось сравнение результатов, полученных с использованием нейронных сетей с результатами, полученными другими методами. В частности, использовались метод интерполяции полиномами 5-го порядка и матричный метод (построение обратной матрицы). Проводились оценки среднеквадратических ошибок рассогласования полученных профилей с тестовыми и их коэффициентов корреляций. По данным анализа, можно сделать следующие выводы. Анализ показал, что интерполяция полиномами дает большие ошибки и слабую корреляцию получаемых профилей с тестовыми и вряд ли может быть использована для решения задач расчета профилей. Матричный метод дает профили температуры и влажности близкие к аналогичным профилям, полученным с использованием нейросетей.
Таким образом, решение обратных задач восстановления профилей температуры и влажности в тропосфере целесообразно проводить с использованием нейросетей. При этом точность решения повышается, если используются различные метеорологические сценарии.
Работа выполнена при поддержки гранта РФФИ 15-05-08401