排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
对流层延迟是影响全球卫星导航系统(GNSS)测量精度的重要因素. 针对现有对流层延迟模型稳定性差,精度较低等问题,在无实测气象参数条件下,提出一种基于Keras平台的长短期记忆神经网络(LSTM)的对流层延迟预测模型. 选取全球均匀分布的8个测站,使用其2016年第90-131年积日共42 天的整点对流层延迟数据预测其第132-136年积日的整点数据. 以国际GNSS服务(IGS)中心提供的对流层产品为真值,分析比较LSTM模型和反向传播(BP)神经网络模型的预测效果. 研究表明,LSTM模型预测结果的均方根误差基本达到mm级,其平均绝对误差和平均绝对百分比误差均比BP模型低,LSTM模型在精度和稳定性上较BP模型均有明显提高;LSTM模型在中高纬区域的均方根误差(RMSE)均值达到7.82 mm,中高纬地区更适合使用该模型. 相似文献
1