神经网络残差的加权平均温度模型改进方法 |
| |
引用本文: | 高文亮,高井祥,姚文豪,师嘉奇.神经网络残差的加权平均温度模型改进方法[J].测绘科学,2022(10):15-20+38. |
| |
作者姓名: | 高文亮 高井祥 姚文豪 师嘉奇 |
| |
作者单位: | 1. 中国矿业大学环境与测绘学院;2. 自然资源部国土环境与灾害检测重点实验室 |
| |
基金项目: | 国家自然科学基金项目(41974026,41874006); |
| |
摘 要: | 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108 633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2.91 K,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。
|
关 键 词: | 神经网络 残差建模 加权平均温度 |
|
|