基于NARX回归神经网络的岸基GNSS-IR有效波高反演模型分析

doi:10.13474/j.cnki.11-2246.2022.0049

测绘通报 ›› 2022, Vol. 0 ›› Issue (2): 90-94.doi: 10.13474/j.cnki.11-2246.2022.0049

基于NARX回归神经网络的岸基GNSS-IR有效波高反演模型分析

张一, 周立

江苏海洋大学海洋技术与测绘学院, 江苏连云港 222005

收稿日期:2021-03-03 发布日期:2022-03-11
通讯作者: 周立。E-mail:zhoulilyg@aliyun.com
作者简介:张一(1995-),男,硕士生,主要从事GNSS海洋学研究。E-mail:zy_hhit@aliyun.com
基金资助:
国家重点研发计划"海洋环境安全保障"重点专项（2018YFC1405702）

Study on inversion model of significant wave height from shore-based GNSS-IR by using NARX recurrent neural network

ZHANG Yi, ZHOU Li

School of Marine Technology and Geomatics, Jiangsu Ocean University, Lianyungang 222005, China

Received:2021-03-03 Published:2022-03-11

摘要/Abstract

摘要： 有效波高是海洋动力环境的主要参数，针对现有岸基双天线GNSS-R有效波高反演方法必须使用专用型接收机，以及相关测站布设较少、数据获取困难等限制，本文提出了一种利用普通单天线测量型GNSS接收机的GNSS-IR数据反演有效波高的方法。首先，利用NARX回归神经网络构建潮高反演误差与有效波高大小之间的相关模型，并给出了从数据选取、数据集制作到反演模型构建的相关流程与方法。然后，使用斯坦福大学哈勃肯斯海洋实验站中P231站两年的数据，开展了基于NARX回归神经网络的岸基单天线GNSS-IR有效波高反演模型试验。试验结果表明，该模型适用于0.1~2.5 m （即二～四级海况之间）范围内有效波高的反演应用，反演有效波高的MSE最小为0.01 m。

关键词: GNSS-IR, 潮高, NARX, 海面粗糙度, 有效波高

Abstract: Significant wave height is the main parameter of marine dynamic environment. This paper proposes a method to build the shore-based GNSS-IR significant wave height inversion model using NARX regression neural network. The method aims to explore how to use the data of a common single antenna measurement GNSS receiver to invert the significant wave height, and this paper gives the relevant processes and methods from data selecting, data processing to model construction. At the same time, this paper uses the two-year data from P231 station in the Stanford University Hopkins marine station for shore-based experiments. The results show that this method is suitable for the inversion application of significant wave height in the range of 0.1~2.5 m, and the min mean squared error of the inversion results of significant wave height is 0.01 m.

Key words: GNSS-IR, tide height, NARX, sea surface roughness, significant wave height

中图分类号:

P228

张一, 周立. 基于NARX回归神经网络的岸基GNSS-IR有效波高反演模型分析[J]. 测绘通报, 2022, 0(2): 90-94.

ZHANG Yi, ZHOU Li. Study on inversion model of significant wave height from shore-based GNSS-IR by using NARX recurrent neural network[J]. Bulletin of Surveying and Mapping, 2022, 0(2): 90-94.

参考文献

[1] 吕华庆.物理海洋学基础[M].北京:海洋出版社, 2012:178.
[2] 左其华.现场波浪观测技术发展和应用[J].海洋工程, 2008, 26(2):124-139.
[3] 周庆伟,张松,武贺,等.海洋波浪观测技术综述[J].海洋测绘, 2016, 36(2):39-44.
[4] 刘经南,邵连军,张训械. GNSS-R研究进展及其关键技术[J].武汉大学学报(信息科学版), 2007, 32(11):955-960.
[5] 李颖,朱雪瑗,曹妍,等. GNSS-R海洋遥感监测技术综述[J].海洋通报, 2015, 34(2):121-129.
[6] 金双根,张勤耘,钱晓东.全球导航卫星系统反射测量(GNSS+R)最新进展与应用前景[J].测绘学报, 2017, 46(10):1389-1398.
[7] 王瑞芳.利用EMD进行GNSS-MR潮位监测研究[J].测绘通报, 2020(10):114-117.
[8] 朱小灵,王剑辉,谢荣安.基于GPS-IR的地表土壤湿度估算方法[J].测绘通报, 2020(6):128-133.
[9] 张双成,戴凯阳,南阳,等. GNSS-MR技术用于雪深探测的初步研究[J].武汉大学学报(信息科学版), 2018, 43(2):234-240.
[10] SOULAT F, CAPARRINI M, GERMAIN O, et al. Sea state monitoring using coastal GNSS-R[J]. Geophysical Research Letters, 2004, 31(21):133-147.
[11] 尹聪. GNSS-R信号测量海面有效波高的应用[D].南京:南京信息工程大学, 2011.
[12] 邵连军,张训械,王鑫,等.利用GNSS-R信号反演海浪波高[J].武汉大学学报(信息科学版), 2008, 33(5):475-478.
[13] 朱雪瑗.基于船载微波遥感技术的海浪和溢油反演研究[D].大连:大连海事大学, 2017.
[14] 王波,闫星魁,徐宇柘,等.岸基GNSS反射信号的波浪多参数反演方法研究[J].电波科学学报, 2019, 34(3):315-321.
[15] MARTIN-NEIRA M. A passive reflectometry and interferometry system (PARIS) application to ocean altimetry[J]. ESA Journal, 1993, 17(4):331-355.
[16] NIEVINSKI F G, LARSON K M.Forward modeling of GPS multipath for near-surface reflectometry and positioning applications[J]. GPS Solutions, 2014, 18(2):309-322.
[17] LARSON K M, LÖFGREN J S, HAAS R. Coastal sea level measurements using a single geodetic GPS receiver[J]. Advances in Space Research, 2013, 51(8):1301-1310.
[18] LÖFGREN J S, HAAS R, SCHERNECK H G. Sea level time series and ocean tide analysis from multipath signals at five GPS sites in different parts of the world[J]. Journal of Geodynamics, 2014, 80:66-80.
[19] 杨东凯,张其善. GNSS反射信号处理基础与实践[M].北京:电子工业出版社, 2012:65-69.
[20] 过杰.海面粗糙度及其提取与应用的研究[D].青岛:中国海洋大学, 2006.
[21] NARENDRA K S, PARTHASARATHY K. Identification and control of dynamical systems using neural networks[J]. IEEE Transactions on Neural Networks, 1990,1(1):4-27.

基于NARX回归神经网络的岸基GNSS-IR有效波高反演模型分析

Study on inversion model of significant wave height from shore-based GNSS-IR by using NARX recurrent neural network

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics

本文评价