排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于Jason-2高度计2015年地球物理数据集(GDR)38个周期太平洋海域的全球电离层图(GIM)电离层校正值和双频校正值的数据，分不同季度和不同纬度区域比较二者的差异，结果表明:GIM值与双频校正值之间存在明显的差异，GIM校正值普遍高于双频校正值，说明GIM高估了电离层路径延迟，GIM校正值与双频校正值的差异与季节和纬度区间有关。用梯度下降法得到GIM值的修正方程，将修正方程应用于2016年Jason-2的全年数据，修正后的GIM值与双频校正值十分接近，在各年份中均具有良好的适用性。在单频高度计不能使用电离层双频校正算法的情况下，可以利用不同季度和不同纬度区域的修正方程对同等高度的高度计GIM值进行修正以达到双频校正值的精度水平。 相似文献
2.
基于IRI-2016数据,通过深度学习建立了电离层Keras神经网络模型。经测试,Keras神经网络模型与IRI-2016模型具有同等精度。将Keras神经网络模型应用于Jason-2卫星高度计的电离层电子含量观测,对Jason-2双频观测值进行多项式拟合并与Keras模型值进行比对,结果表明:二者平均电子含量均方根误差为4.46 TECU;平均相关系数为0.75;将总电子含量的均方根差值换算成Ku波段的传输延迟值为8.5 mm,对于测高精度在厘米级别的卫星高度计,该误差在可接受范围内。电离层Keras神经网络模型可以扩展IRI模型的使用范围,方便快捷,也有效地避免了IRI复杂繁琐的分层积分算法。该模型可应用于单频卫星高度计的电离层延迟误差校正。 相似文献
1