一种优化的基于神经网络的经验ZTD模型

• 作者: 丁茂华 胡伍生
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: ZTD 神经网络模型 GPT2w模型 GNSS
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 学术研究
• 页码范围: 22-25,52
• 页数: 5页
• 分类号: P228
• 语种: 中文
• DOI: 10.13474/j.cnki.11-2246.2017.0005

摘要

目前,经验对流层天顶延迟(ZTD)模型已经有了飞速的发展,因为它们在使用时无需任何测量的实时地面气象数据,这给GNSS用户提供了极大方便.神经网络技术在实测参数型的ZTD建模中已经取得了一定的成果.与此同时,国内虽然有学者构建了神经外网络的经验ZTD模型,其最大的缺点是忽略了ZTD时间变化且只能单独预报ZTD.本文针对这些缺点构建了优化的神经网络经验ZTD模型.试验结果表明,本文提出的神经网络模型可以分别预报天顶干延迟ZHD和天顶湿延迟ZWD,且具有良好的精度:ZHD的Bias和RMSE分别为-3.7和19.8 mm;ZWD的Bias和RMSE分别为-0.6和34.2 mm.本文的神经网络模型预报的ZHD和ZWD的精度均与目前世界著名的GPT2w格网模型相当.另外,与GPT2w模型相比较,神经网络模型最大的优点就是无需庞大的预存格网数据作为输入,在使用时仅需要知道一个训练好的神经网络即可,该特点为GNSS用户提供了极大的方便.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡伍生	东南大学交通学院	127	983	16.0	23.0
2	丁茂华	东南大学交通学院	3	11	2.0	3.0