基于微波辐射计的大气温度剖面信息反演方法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 微波辐射计的发展现状 | 第10-11页 |
| 1.3 大气温度廓线反演方法研究现状 | 第11-12页 |
| 1.4 课题主要研究内容及章节安排 | 第12-13页 |
| 第2章 微波辐射计结构及测量原理 | 第13-27页 |
| 2.1 微波辐射计结构设计 | 第13-16页 |
| 2.2 微波辐射测量的基本原理 | 第16-25页 |
| 2.2.1 电磁辐射测量 | 第17页 |
| 2.2.2 热辐射 | 第17-19页 |
| 2.2.3 辐射传递方程 | 第19-22页 |
| 2.2.4 吸收和散射介质的亮度温度 | 第22-25页 |
| 2.3 测量数据的处理和反演 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 大气温度廓线正演亮度温度的研究 | 第27-38页 |
| 3.1 大气微波辐射特性 | 第27-32页 |
| 3.1.1 气体吸收谱线的形状 | 第27-28页 |
| 3.1.2 水汽吸收系数 | 第28-30页 |
| 3.1.3 氧气吸收系数 | 第30-32页 |
| 3.2 大气的微波辐射特性建模 | 第32-33页 |
| 3.3 辐射亮度温度正演仿真实验 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 大气温度廓线反演方法的研究 | 第38-52页 |
| 4.1 温度廓线反演方法的简述 | 第38-39页 |
| 4.2 神经网络算法概述 | 第39-43页 |
| 4.2.1 神经网络构造原理 | 第39-42页 |
| 4.2.2 神经网络训练方法 | 第42-43页 |
| 4.3 基于神经网络的温度廓线反演模型设计 | 第43-44页 |
| 4.4 仿真设计与实现 | 第44-47页 |
| 4.4.1 历史数据分析与筛选 | 第44-46页 |
| 4.4.2 仿真实验 | 第46-47页 |
| 4.5 仿真结果分析 | 第47-51页 |
| 4.5.1 评估要素 | 第47-48页 |
| 4.5.2 结果分析 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于神经网络的分层大气温度反演方法研究 | 第52-60页 |
| 5.1 分层思想描述 | 第52页 |
| 5.2 分层神经网络模型设计 | 第52-53页 |
| 5.3 仿真结果比较分析 | 第53-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
