基于MLP神经网络的大气加权平均温度模型

作者：谢劭峰; 曾印; 张继洪; 张亚博; 熊思

来源：大地测量与地球动力学, 2022, 42(11): 1105-1110.

DOI：10.14075/j.jgg.2022.11.002

• 大气加权平均温度
• 多层感知器
• 精度检验
• 西南地区

以中国西南地区2015～2017年探空数据为实验数据，使用多层感知器（MLP）神经网络回归方法建立西南地区的加权平均温度（Tm）模型。将气象参数（地表温度、水汽压）和非气象参数（高程、纬度和年积日）作为模型输入因子，由数值积分法计算得到的Tm作为学习目标，通过神经网络模型进行迭代训练从而得到中国西南地区的Tm。以2018年探空站Tm数据为参考值，对MLP模型精度进行验证，并与Bevis模型和GPT3模型进行对比分析。结果表明，MLP模型的年均RMSE和年均bias分别为1.99 K和0.15 K,比Bevis模型、GPT3模型年均RMSE分别降低1.36 K（40.6%）和1.51 K（43.1%）,年均bias分别下降0.70 K（82.4%）和1.04 K（87.4%）,且该模型在中国西南区域不同高程、纬度和季节的精度与稳定性优于Bevis模型和GPT3模型。

• 单位
  环境科学与工程学院; 桂林理工大学; 湖北科技学院