GPT3模型的综合性能评价与优化方法 |
| |
引用本文: | 文仙姣.GPT3模型的综合性能评价与优化方法[J].科技通报,2023(11):9-14+27. |
| |
作者姓名: | 文仙姣 |
| |
作者单位: | 青海省自然资源综合调查监测院 |
| |
基金项目: | 国家自然科学基金青年项目(42001412); |
| |
摘 要: | 为了剖析GPT3(generative pre-trained transformer 3)模型垂直改正精度不足的原因,探究GPT3模型的优化方法。本文利用探空资料、NCEP(National Centers for Environmental Prediction)再分析资料以及GNSS ZTD(global navigation satellite system)数据对GPT3模型进行多参数、立体式的评价,并与Saastamoninen和UNB3m模型进行比较。结果表明:在地表层,GPT3预测气压、温度、水汽压以及ZHD(zenith hydrostatic delay)、ZWD(zenith wet delay)和ZTD(zenith total delay)的RMSE(root mean square error)值均优于UNB3m,分别为6.4 hPa、3.9 K、2.8 hPa、18.6 mm、33.0 mm、36.5 mm;而在垂直方向上,发现GPT3的RMSE值随高度的上升明显增大,在离地10 km处,其预测气压、温度、ZHD和ZTD的RMSE值分别为38.3 hPa、...
|
关 键 词: | GPT3模型 对流层延迟 GNSS 综合性能评价 |
|
|