où N est le nombre total d`exemples de formation, ŷ est la sortie souhaitée obtenue par la RDA, et y est la sortie du modèle du réseau neuronal. DC Office: 1200 New York Ave NW Suites 450 & 500 Washington, DC 20005-3928. . Une croix-mer a une grande quantité de propagation directionnelle. [1] cela peut se produire lorsque les vagues d`eau d`un système météorologique continuent malgré un changement de vent. Les vagues générées par la nouvelle course de vent à un angle à l`ancien, créant un déplacement, modèle dangereux. [clarification nécessaire] Lors de la propagation en avant, toute zjl entrée pondérée des neurones j dans la couche l est calculée par les activations de la couche supérieure AJ (l − 1) avec le poids WJKL entre les couches adjacentes et le biais bjl de la couche actuelle [15]. Ensuite, une fonction d`activation sigmoïde f (z) est utilisée pour calculer les activations de la couche actuelle AJL: lors de la propagation en avant, toute entrée pondérée des neurones j dans la couche l est calculée par les activations de la couche supérieure avec le poids entre les couches adjacentes et le biais du calque courant [15]. Ensuite, une fonction d`activation sigmoïde f (z) est utilisée pour calculer les activations du calque courant: (1) (2) (3) où l est le nombre de couches cachées (l [1, 3]), j est le nombre de neurones dans le calque courant, et k est le nombre de neurones dans la couche supérieure.

Lorsque l est égal à 0, les valeurs de la couche en entrée et les valeurs de sont spécifiées par l`utilisateur. Les activations de la couche de sortie dL sont les valeurs des neurones de sortie. L est égal à 4 lorsque la quantité de couches cachées est 3 à l`aide d`EQS (1) – (3). Le 60e cycle de Jason-1 et le 158e cycle de Jason-2 ont été sélectionnés pour les tests de modèle. L`efficacité du modèle est évaluée par le biais du coefficient de corrélation (r) et de l`écart quadratique moyen (RMS) de la sortie du modèle SSBSAE (SSB calculée par le modèle SAE) par rapport au SSBGDR (SSB de la RDA) de l`ensemble de test. Comme r approche 1, SSBSAE et SSBGDR deviennent plus fortement corrélés. La différence entre SSBSAE et SSBGDR est plus petite lorsque le RMS est plus proche de 0, et le modèle est plus efficace. Les résultats obtenus sur l`ensemble de validation étaient r = 0,99 et RMS = 0,5 cm. La valeur absolue moyenne de SSBSAE et de SSBGDR est de 7,35 cm et 7,20 cm respectivement; par conséquent, la variation moyenne est de 0,15 cm. Les tests de modèle ont montré que SSBSAE et SSBGDR sont très cohérents, ce qui implique que le modèle SAE est à la fois efficace et stable. Dans cet article, la valeur réelle de la SSB basée sur les résultats du modèle non paramétrique SSB dans l`enregistrement de données géophysiques de l`altimètre Jason1/2 (RDA) est utilisée lors de la formation du modèle. Les variables d`entrée, qui sont le SWH, la vitesse du vent (U), le SSH, le contrôle automatique du gain (AGC) et le coefficient de rétrodiffusion (σ0), ont été successivement ajoutés au modèle.

Enfin, le modèle optimal a été déterminé par le test. Nous avons ensuite utilisé les données de l`altimètre HY-2A comme données de validation invisibles pour évaluer la validité du modèle. Pour tous les modèles, les données de la bande Ku de l`ensemble de données GDR ont été utilisées pour la formation, les tests et l`application. En fonction des exigences de qualité des données de l`altimètre radar et de la SSB, les valeurs de correction d`erreur, telles que les erreurs d`instrument, les retards dans la troposphère sèche et humide, les retards ionosphériques et la pression atmosphérique inverse, les oscillations à haute fréquence, les marées, les marées polaires, les solides les marées de terre et les marées de charge sont incluses dans les données de mesure de la hauteur de l`altimètre [7, 8]. Données anormales (SSH > 100 m ou SSH11 m, U21 m/s, σ030 dB et AGC > 30 dB ou AGC