基于MLP神经网络的中国南方地区多因子PWV预测模型

刘俊文; 谢劭峰; 钟雁琴; 曾印; 张继洪; 廖发圣

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

基于MLP神经网络的中国南方地区多因子PWV预测模型

首发时间：2024-01-31

刘俊文 ¹
刘俊文（1996—），男，硕士研究生，主要研究方向为GNSS气象学
谢劭峰 ¹
谢劭峰，教授，主要研究方向为GNSS气象学，xieshaofeng@glut.edu.cn
钟雁琴 ² 曾印 ¹ 张继洪 ¹ 廖发圣 ¹

1、桂林理工大学测绘地理信息学院，广西桂林 541006
2、桂林理工大学理学院，广西桂林 541006

摘要：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，在充分探究了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）神经网络以及多元回归拟合算法分别建立预测PWV的MLP模型、线性回归模型（linear regression model，LRM）与非线性回归模型（non-linear regression model，NLRM）（简称LR、NLR模型）。为充分探究两种建模方法对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。

关键词： 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

For information in English, please click here

A multi-factor PWV prediction model based on MLP neural network for southern China

LIU Junwen ¹
刘俊文（1996—），男，硕士研究生，主要研究方向为GNSS气象学
XIE Shaofeng ¹
谢劭峰，教授，主要研究方向为GNSS气象学，xieshaofeng@glut.edu.cn
ZHONG Yanqin ² ZENG Yin ¹ ZHANG Jihong ¹ LIAO Fasheng ¹

1、College of Geomatics and Geoinformation, Guilin University of Technology, Guilin, Guangxi 541006, China
2、College of Science, Guilin University of Technology, Guilin, Guangxi 541006, China

Abstract：To address the problem of obtaining key parameters such as atmospheric weighted mean temperature (Tm) for the inversion of high-precision Precipitable Water Vapor (PWV) using Global Navigation Satellite System (GNSS), we investigate the correlation between PWV and Based on the correlation between PWV and the tropospheric Zenith Wet Delay (ZWD) and other factors, we use the 2015-2017 sounding data from 40 sounding stations in southern China to establish the MLP model, the linear regression model (LRM) and the multiple regression fitting algorithm to predict PWV based on the multilayer perceptron (MLP) neural network. MLP model, linear regression model (LRM) and nonlinear regression model (NLRM) were developed respectively based on the multilayer perceptron (MLP) neural network and multiple regression fitting algorithm; to fully investigate the influence of the two modeling methods on the accuracy of PWV, the model accuracy was examined using the 2018 sounding data as the reference value and compared with the traditional PWV prediction model (PWV-SC2 model). The results showed that the average annual RMSE, bias, and RE of the MLP model were 0.66 mm, 0.06 mm, and 2.18, respectively, which were 0.11 mm (14.6%) and 0.17 mm (20.5%) lower compared to the LR model and the NLR model in terms of average annual RMSE, 0.04 mm (43.7%) and 0.28 mm in terms of average annual bias ( 82.3%), and 50.7% and 57.3%lower annual mean RE, respectively; compared to the PWV-SC2 model, the annual mean RMSE and bias were reduced by 0.17 mm (20.5%) and 0.15 mm (71.4%), respectively, and the annual mean RE was reduced by 47.7%. Therefore, the MLP model has better accuracy and adaptability and can be applied to high-precision PWV prediction in southern China.

Keywords： GNSS atmospheric precipitable water multilayer perceptron neural network model regression model accuracy analysis southern China

基金：

1. 广西自然科学基金项目（2023GXNSFAA026434）

论文图表：

引用

导出参考文献

.txt

.ris

.doc

刘俊文，谢劭峰，钟雁琴，等. 基于MLP神经网络的中国南方地区多因子PWV预测模型[EB/OL]. 北京：中国科技论文在线 [2024-01-31]. https://www.paper.edu.cn/releasepaper/content/202401-95.

No.****

同行评议

未申请同行评议

全部评论

0/1000

论文编号	202401-95
论文题目	基于MLP神经网络的中国南方地区多因子PWV预测模型
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.