采用长短时记忆网络训练的卫星重力数据粗差探测方法与应用

作者：杨玉; 吴云龙^*; 姚运生; 单维锋

来源：地震地质, 2021, 43(05): 1326-1338.

• 卫星重力梯度
• 粗差探测
• 长短时记忆网络
• 模型参数

粗差探测是卫星重力数据预处理环节的关键步骤。针对海量观测数据如卫星重力梯度数据,原有的粗差探测方法存在时间消耗长、准确率较低等不足。文中基于长短时记忆(LSTM)网络方法,提出了可用于重力梯度数据粗差探测的机器学习方法,实现了对长时间序列观测数据的粗差识别问题,避免了粗差对观测数据的影响。计算结果显示,LSTM训练模型的预测精度达99.4%,在预测过程中,扩大训练数据量或增加LSTM神经元的个数都可提高预测效果,且损失函数、学习率、迭代次数等是影响预测效果的主要模型参数。训练模型识别粗差实验结果表明:LSTM模型能够很好地应用于卫星重力梯度测量观测数据的粗差探测。

• 单位
  中国地震局地震研究所; 防灾科技学院