|
|||||
|
|
| 一种用于估计中国及毗邻区域加权平均温度的神经网络方法（英文） | |
| 摘 要： | 为了提高全球温压湿模型(GPT2w)在估计中国及毗邻区域加权平均温度中的适用性,采用了基于神经网络的模型误差补偿技术,以分布在中国及毗邻区域的100个探空站2006—2015年的374 800条大气垂直廓线资料为数据源,建立了适用于该地区加权平均温度估计的增强模型.利用分布在该地区的其余92个探空站2016—2018年的数据测试模型性能.结果表明,该模型的精度比GPT2w模型提高了约14.9%,比基于实测气象参数的Bevis模型提高了约7.6%.该模型的性能无论是在各个高度区间,还是在不同季节都比GPT2w模型有明显改进,并且在探空站分布十分稀少的我国西北部地区,加权平均温度的估计精度也得到显著的改善.该模型在开展全国范围内的地基GNSS实时水汽反演中具有巨大的应用潜力. |
| 本文献已被 CNKI 等数据库收录！ | |