10.3969/j.issn.2095-2783.2023.05.006
顾及季节和高程影响的青藏高原湿延迟神经网络预测模型
针对现有的需要实测参数的对流层天顶湿延迟(zenith wet delay,ZWD)模型在青藏高原地区适配性不足的问题,根据青藏高原地区 13 个探空站 2015-2017 年的探空站数据,将气象参数(地面空气温度、水汽压)和时空变化特征(年积日和高程)作为模型输入因子,以数值积分法计算得到的ZWD作为学习目标,通过多层感知器(multi-layer perceptron,MLP)神经网络模型进行迭代训练,从而得到适用于青藏高原地区的ZWD预测模型(简称为MLP模型),并使用 2018 年的探空站数据对模型进行精度检验.结果表明,MLP模型的年均偏差(bias)和年均均方根误差(root mean square error,RMSE)分别为-0.08 cm和1.13 cm,分别比GPT3 模型、Saastamoninen模型和Ifadis模型的精度(RMSE值)提高了 51.5％、40.2％、52.9％.研究可为青藏高原地区的全球导航卫星系统(Global Navigation Satellite System,GNSS)导航定位和水汽反演研究提供参考.
天顶湿延迟、多层感知器、青藏高原地区、精度检验
18
P228(大地测量学)
国家自然科学基金;广西自然科学基金资助项目;广西科技基地和人才专项
2023-06-08（万方平台首次上网日期，不代表论文的发表时间）
共6页
512-517
