科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统卫星观测数据处理运行模式下的卫星重力梯度数据粗差探测常常伴随着准确率不足、海量数据计算效率低等问题，对此，本文以变分自编码器在多模态数据整合分析的显著特性，构建了一种结合变分自编码器（variational auto-encoder，VAE）与门控循环单元网络（gated recurrent unit，GRU）的智能化粗差探测方法。基于EGM96模型生成模拟数据集，依据变分自编码器捕获训练集数据序列的有效特征，结合门控循环单元结构对数据集进行预测，采用自适应距估计优化算法作为网络模型优化器，自动寻找损失函数的最佳收敛，最后将通过测试的训练模型，应用至我国民用重力卫星的实测重力梯度数据处理。结果表明，经训练后的网络快速精确构建了训练集样本特征，实现了快速高效的粗差探测能力，各分量探测准确率达到98%以上，该模型可有效应用于我国自主卫星重力任务的数据预处理工作。
-
单位中国地质大学（武汉）; 防灾科技学院
