顾及气象数据的中国区域对流层延迟RBF神经网络优化模型
本文基于单层气象数据(ERA5单层数据、实测气象参数)和多层气象数据(ERA5气压层数据、COSMIC掩星数据),分别采取模型法和积分法获取了我国236个陆态网GNSS测站的ZTD值,即ERA5S_ZTD、MET_ZTD、ERA5P_ZTD、RO_ZTD.以GNSS_ZTD为参考,按月评估了上述4种ZTD估计值的精度,结果表明:4种ZTD估计值的月平均RMSE依次为42.8、53.6、16.1和62.3 mm,其中基于积分法估计的ERA5 P_ZTD精度最高,采用模型法计算的ERA5 S_ZTD和MET_ZTD次之,而利用积分法获取的RO_ZTD值精度较低.为进一步提升利用气象数据估计ZTD值的精度,本文提出了基于RBF神经网络的对流层延迟改进模型.计算结果表明:改进模型获得的4种ZTD值与GNSS_ZTD之间的月RMSE平均值分别为23.5、32.1、14.2和40.8 mm,精度较原有ZTD估计值提升43.4％,36.3％,10.0％和34.4％.整体而言,改进模型估计ZTD值精度提升效果明显,且提升率与测站分布的密集程度有关.
GNSS、RBF神经网络、ERA5、COSMIC、对流层延迟
51
P228(大地测量学)
国家重点研发计划;国家重点研发计划;国家自然科学基金;山东省自然科学基金;山东省自然科学基金
2022-09-08（万方平台首次上网日期，不代表论文的发表时间）
共18页
1690-1707
