科研之友
微信
新浪微博
Facebook
分享链接
摘要
受季风气候等影响，传统Tm模型在中国沿海地区的精度难以满足导航定位等领域的发展需求，亟须建立一种高精度的区域性Tm模型。通过利用随机森林(Random Forest, RF)的方法，对基于该地区探空数据所构建的非线性Tm模型(F-Tm)进一步精化，选取4个特征值(气压P、地表温度Ts、水汽压es、比湿s)作为输入因子，对F-Tm模型的偏差进行预测改正，构建了RFF-Tm模型。通过时空特性分析表明，该模型在沿海地区具有较好的适用性。
- 单位
受季风气候等影响，传统Tm模型在中国沿海地区的精度难以满足导航定位等领域的发展需求，亟须建立一种高精度的区域性Tm模型。通过利用随机森林(Random Forest, RF)的方法，对基于该地区探空数据所构建的非线性Tm模型(F-Tm)进一步精化，选取4个特征值(气压P、地表温度Ts、水汽压es、比湿s)作为输入因子，对F-Tm模型的偏差进行预测改正，构建了RFF-Tm模型。通过时空特性分析表明，该模型在沿海地区具有较好的适用性。
