10.16251/j.cnki.1009-2307.2022.10.003
神经网络残差的加权平均温度模型改进方法
针对GPT3经验模型估计加权平均温度的泛化能力不足的缺点,该文提出了一种使用神经网络对GPT3模型的残差进行改正的方法,从而建立一个高精度的改进模型.使用了全球站点无线电探空资料数据集(IGRA)提供的中国区域内的38个探空站点共108633组数据进行建模,其中2012—2014年的数据用于模型训练,2015年的数据用于模型检验.最终结果表明:改进模型的均方根误差值为2.91K,精度相比GPT3模型计算得到的估计值提高了32.2%,加权平均温度估计精度有了显著的提高,且在整个中国区域都有较好的泛化能力.
神经网络、残差建模、加权平均温度
47
P228(大地测量学)
国家自然科学基金;国家自然科学基金
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
15-20,38