基于Keras平臺的LSTM模型的對流層延遲預測

作者：時瑤佳,吳飛,朱海,韓學法

摘要：對流層延遲是影響全球衛星導航系統(GNSS)測量精度的重要因素.針對現有對流層延遲模型穩定性差,精度較低等問題,在無實測氣象參數條件下,提出一種基于Keras平臺的長短期記憶神經網絡(LSTM)的對流層延遲預測模型.選取全球均勻分布的8個測站,使用其2016年第90-131年積日共42天的整點對流層延遲數據預測其第132—136年積日的整點數據.以國際GNSS服務(IGS)中心提供的對流層產品為真值,分析比較LSTM模型和反向傳播(BP)神經網絡模型的預測效果.研究表明,LSTM模型預測結果的均方根誤差基本達到mm級,其平均絕對誤差和平均絕對百分比誤差均比BP模型低,LSTM模型在精度和穩定性上較BP模型均有明顯提高;LSTM模型在中高緯區域的均方根誤差(RMSE)均值達到7.82 mm,中高緯地區更適合使用該模型.

發文機構：上海工程技術大學電子電氣工程學院

關鍵詞：對流層延遲Keras長短期記憶神經網絡時間序列預測精度tropospheric delayKeraslong-short term memory neural networktime seriesprediction accuracy

分類號： P228.4[天文地球—大地測量學與測量工程]