發(fā)布時(shí)間：2024-06-03 23:20

　　本文基于歐洲中期天氣預(yù)報(bào)中心的有效波高數(shù)據(jù),運(yùn)用傳統(tǒng)的雙三次插值(Bicubic interpolation)、克里金插值(Kriging interpolation)以及兩種改進(jìn)的超分辨率卷積神經(jīng)網(wǎng)絡(luò)(Super-Resolution CNN,簡(jiǎn)稱(chēng)SRCNN)進(jìn)行高分辨率處理,使用峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、均方根誤差(Root-Mean-Square Error,RMSE)、結(jié)構(gòu)相似度(Structural Similarity,SSIM)、余弦相似性(Cosine Similarity)等評(píng)價(jià)指標(biāo)比較了各種方法的高分辨率處理效果,并分析了每種方法的誤差分布特點(diǎn)。結(jié)果表明,改進(jìn)的SRCNN方法(SRCNN₂)是一種在整體效果、局部細(xì)節(jié)和計(jì)算效率方面均比較優(yōu)秀的高分辨率處理方法,是深度學(xué)習(xí)方法在海洋數(shù)據(jù)高分辨率處理問(wèn)題上一次成功的應(yīng)用,但改進(jìn)的SRCNN方法在近岸有效波高數(shù)據(jù)的處理效果方面還有待提高。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖3第二次實(shí)驗(yàn)不同插值方法的效果對(duì)比:

圖2第一次實(shí)驗(yàn)不同插值方法的效果對(duì)比4分析與討論

圖4第一次實(shí)驗(yàn)估計(jì)誤差分布場(chǎng)

進(jìn)一步分析誤差的空間分布規(guī)律,圖4和5分別展示了兩次實(shí)驗(yàn)的估計(jì)誤差分布場(chǎng),分析誤差分布特點(diǎn)可以看出:Kriging方法的整體估計(jì)(見(jiàn)圖5(b))偏高在邊緣處的估計(jì)偏低且誤差大,兩種SRCNN算法的誤差分布場(chǎng)整體趨勢(shì)與Bicubic算法一致,但誤差范圍明顯小于Bicubic算法,....

圖6近岸海域的效果對(duì)比

為了進(jìn)一步測(cè)試SRCNN_2方法的效果,選取0.75°S～23.125°S,66.875°W～89.25°W的近岸海域進(jìn)行測(cè)試,測(cè)試效果如圖6所示。相比于雙三次插值,SRCNN_2方法在海岸線的還原上效果較好,但是靠近海岸線部分的值偏小。誤差原因可能如下:在卷積過(guò)程中,對(duì)陸地的處....

圖5第二次實(shí)驗(yàn)估計(jì)誤差分布場(chǎng)

圖4第一次實(shí)驗(yàn)估計(jì)誤差分布場(chǎng)4.3近岸海域的測(cè)試

本文編號(hào)：3988535