基于MLP神经网络的中国南方地区多因子PWV预测模型

作者：刘俊文; 谢劭峰; 钟雁琴; 曾印; 张继洪; 廖发圣

来源：中国科技论文, 2024, 19(01): 99-107+122.

DOI：10.3969/j.issn.2095-2783.2024.01.014

• GNSS
• 大气可降水量
• 多层感知器
• 神经网络模型
• 回归模型
• 精度分析
• 中国南方地区

针对利用全球导航卫星系统（global navigation satellite system,GNSS）反演高精度大气可降水量（precipitable water vapor,PWV）时需要获取大气加权平均温度（Tm）从而影响结果精度的问题，在充分探究PWV与对流层天顶湿延迟（zenith wet delay,ZWD）等诸多因子相关性的基础上，利用中国南方地区40个探空站在2015—2017年的探空数据，基于多层感知器（multi layer perceptron,MLP）神经网络及多元回归拟合算法分别建立预测PWV的MLP模型、线性回归（linear regression,LR）模型与非线性回归（non-linear regression,NLR）模型。为充分探究2种建模方法对PWV精度的影响，利用2018年探空数据为参考值进行模型精度检验，并与传统PWV预测模型（PWV-SC2模型）进行精度对比分析。结果表明：MLP模型的年均均方根误差（RMSE）、偏差（bias）和相对误差（RE）分别为0.66 mm、0.06 mm和2.18%，相比LR模型和NLR模型年均RMSE分别降低了0.11 mm(14.6%)和0.17 mm(20.5%)，年均bias分别降低了0.04 mm(43.7%)和0.28 mm(82.3%)，年均RE分别降低了50.7%和57.3%；相比PWV-SC2模型，年均RMSE和bias分别降低了0.17 mm(20.5%)和0.15 mm(71.4%)，年均RE降低了47.7%。因此，MLP模型在中国南方地区有较好的精度及适应性，可应用于中国南方地区高精度PWV预测。

• 单位
  桂林理工大学