|
|||||
|
|
| 基于深度学习的重力梯度事后误差补偿方法 | |
| 摘 要： | 旋转式重力梯度仪动态测量的误差补偿是航空重力梯度测量的关键技术。因深度学习直接提取数据特征,有望补偿以往通过建模难以补偿的误差,从而进一步提高误差补偿效果,笔者提出了基于深度学习的航空重力梯度测量事后误差补偿方法,利用航空试验实测数据建立数据集,搭建并训练由梯度仪运动参数映射到梯度仪输出噪声的神经网络,利用该网络预测梯度仪输出噪声,以此对其他实测数据进行误差补偿。结果表明,利用深度学习预测的梯度仪输出噪声与实际输出噪声非常接近,补偿后梯度仪输出噪声下降超过一个数量级,补偿的误差水平与梯度仪样机指标接近。 |
| 本文献已被 CNKI 等数据库收录！ | |