基于BP神经网络算法构建香港地区加权平均温度模型

作者：杨林; 郑南山; 高淑照; 刘晨; 李杨; 高士健

来源：导航定位学报, 2021, 9(4): 92-97.

DOI：10.3969/j.issn.2095-4999.2021.04.014

• 大气加权平均温度
• 反向传播神经网络
• 水汽反演
• 对流层延迟
• 大气可降水量

为了获得更高精度的本地化加权平均温度模型,提出一种基于反向传播(BP)神经网络算法的加权平均温度模型:以香港地区2016—2017年的探空资料为实验数据,使用BP神经网络算法进行建模;将4个气象参数(即露点温度Td、测站压强Ps、测站温度Ts、水汽压e)作为模型输入因子,离散积分计算的Tm真值作为学习目标,通过神经网络算法进行迭代训练,最终得到本地化模型.反演结果表明:①本地化加权平均温度模型精度比贝维斯(Bevis)模型提高约36％;②本地化模型反演水汽的精度相比于Bevis模型提升约16％,本地化模型能更好地满足地基反演大气可降水量的实际需要.

• 单位
  中国矿业大学; 中国矿业大学（北京）; 西南交通大学; 武汉大学