| 一种基于机器学习算法的区域/单站ZTD组合预测模型 |
| |
| 引用本文： | 杨旭,何祥祥,王媛媛,谭福临,陈雄川.一种基于机器学习算法的区域/单站ZTD组合预测模型[J].全球定位系统,2022,47(1):98-102. |
| |
| 作者姓名： | 杨旭 何祥祥 王媛媛 谭福临 陈雄川 |
| |
| 作者单位： | 1.安徽理工大学 矿区环境与灾害协同监测煤炭行业工程研究中心, 安徽 淮南 232001 |
| |
| 基金项目： | 矿山环境与灾害空天地协同监测煤炭行业工程研究中心2020年度开放基金项目(KSXTJC202005)；安徽省教育厅自然科学重点项目(KJ2020A0311)；安徽理工大学人才引进科研启动基金项目；安徽省教育厅大学生创新创业训练计划项目(S202010361264，S202010361266，S202110361254)；安徽省重点研究与开发计划(202104a07020014)；安徽省科技重大专项项目(202103a05020026) |
| |
| 摘 要： | 针对天顶对流层总延迟(ZTD)具有一定的时空变化特性，提出了一种基于BP神经网络、长短期记忆网络(LSTM)算法的区域/单站ZTD组合预测模型. 以连续14天香港连续运行参考站(CORS)网络18个监测站观测数据为例，利用BP神经网络、LSTM及本文算法进行了区域、单站及二者组合ZTD预测模型研究. HKWS测站的预测结果表明:利用前13天数据预报第14天数据，区域、单站、组合模型ZTD预测的均方根误差（RMSE）分别为10.2 mm、10.4 mm、8.5 mm，组合模型相对于区域、单站模型预测精度分别提升了17.2%、18.4%.
|
| 关 键 词： | 区域对流层延迟建模 BP神经网络 长短期记忆网络(LSTM) 连续运行参考站(CORS) 组合模型 |
| 收稿时间： | 2021-07-29 |
A regional/single station ZTD combined forecasting model based on machine learning algorithm |
| |
| Abstract: | Aiming at the temporal and spatial characteristics of zenith tropospheric total delay (ZTD), a combined regional/single station ZTD prediction model based on BP neural network and long-term memory network (LSTM) algorithm is proposed. Taking the observation data of 18 stations in Hong Kong continuously operating reference stations (CORS) network for 14 consecutive days as an example, the regional, single station and combined ZTD prediction models are studied by using BP neural network, LSTM and the algorithm proposed in this paper. The prediction results of HKWS station show that the root mean square error (RMSE) of regional, single station and combined ZTD prediction models are 10.2 mm, 10.4 mm and 8.5 mm respectively, and the prediction accuracy of the combined model is improved by 17.2% and 18.4% compared with the regional model and the single station model, respectively. |
| |
| Keywords: | |
|
| 点击此处可从《全球定位系统》浏览原始摘要信息 |
| 点击此处可从《全球定位系统》下载免费的PDF全文 |
