关键词：神经网络 风速反演 

摘要：随着GNSS-R技术在海洋遥感领域的发展,已经积累了海量的GNSS-R数据。针对基于时延-多普勒相关功率图(DDM)实测波形与经验模型反演风速复杂性高、计算量大和精度低的问题,采用两种神经网络方法,基于NASA CYGNSS的DDM数据,分析了DDM与海洋表面风速的关系,首先引入卷积神经网络建立风速等级分类模型对海洋表面风速进行分类反演,但效果不理想。为获取精度更高的反演风速,对DDM进行特征提取,改用BP神经网络完成了风速反演。反演风速与实际风速的皮尔逊相关系数为0.958、均方根误差为1.86 m/s、平均相对误差为2.66%,证明了基于DDM使用神经网络反演风速的可行性和有效性。

科技通报杂志要求:

{1}如论文系某科研基金资助项日，须注明基金名称、项目编号。

{2}本刊倡导良好学风，严格遵守学术规范。来稿如发生侵犯他人著作权的行为，作者应负全部责任并赔偿一切损失。

{3}中文标题一般不超过20字，正文层次标题应简短明确，可不编号；如需编号，各层次一律用大写数字连续编号，依次为：一、（一）、1、（1）等。

{4}参考文献是论文引文的出处或参阅的各种书刊资料，其文献项目和要素须集中列在论文的文末。

{5}来稿应附上中文题名、摘要、关键词，作者姓名、职称、工作单位、通讯地址、联系电话附于文末，以便联系。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社