一种含稳健权的神经网络GNSS高程拟合模型

在高程拟合解算过程中,为数不多较大误差或残留系统误差可能会使估计参数的结果歪曲,导致拟合数学模型变形失真。本文在研究GNSS高程拟合神经网络模型的基础上,将具有抵抗粗差能力的选权迭代稳健估计因子引入BP神经网络高程拟合计算,通过思维进化算法对网络初始权值和阈值进行优化,提出一种具有抗差性的神经网络高程拟合方法的思路,并通过算例验证了模型在高程拟合过程中的有效性。     

基于FFT和小波变换的台风天气GNSSZTD周期特征分析北大核心CSCD

利用中国内地构造环境监测网络GNSS观测数据,结合台风事件资料,开展台风事件对中国内地地区水汽变化周期影响研究。分析发现,在台风影响下,GNSS天顶对流层延迟(zenith tropospheric delay,ZTD)水汽变化周期与正常天气相比会缩短,同时降水增加。通过与降雨进行对比发现,台风过程中降雨发生之前ZTD会发生较为剧烈的变化,并保持在一个峰值。通过选取台风中心不同距离的GNSS站点进行对比分析发现,台风最先经过的区域站点ZTD产生波动要比之后经过的站点早,且台风先经过区域的降水量比后经过区域的降水量大。本文研究可为台风轨迹预报和气象部门的台风灾害及极端降水等预警提供参考。