基于机器学习方法对蒸发波导预测模型的优化研究

摘要

蒸发波导高度(EDH)对电磁波传播模式十分重要,因此需要计算EDH的方法.最常用于计算EDH的方法是模式诊断法,其中应用最广的模式是Paulus-Jeske(P-J)模型.本文提出了一种基于支持向量回归(SVR)的机器学习方法去改进p-J模型.为了更好地评估该方法,于2013年1月至2013年5月在某些特定海域进行了观测实验,实验结果表明在大多数实验区域SVR P-J模型表现最好并且在全部实验区域EDH估计准确率相比于原始P-J模型都有提高,这也说明了本方法的有效性.