典型文献
耦合PSO与扩展RBF神经网络估计NWM模型ZTD计算精度
文献摘要：
针对基于数值气象模型获取的对流层天顶延迟精度估计依赖外部基准的问题,本文构建耦合了粒子群算法与扩展径向基函数神经网络的ZTD精度估计模型,模型样本特征集利用NWM自身气象数据和地形特征数据构建,目标集以GNSS ZTD产品为参考值构建,模型规模结构通过层次聚类和模糊C均值聚类确定,模型参数通过粒子群算法优化.以欧洲中期天气预报中心提供的ERA5气压分层产品为NWM特例进行了模型训练和结果验证.结果表明,模型估计精度和泛化能力较好,平均估计精度优于4 mm,可在任意位置实现不依赖于外部参考基准的ZTD精度估计.
文献关键词：
对流层天顶延迟;精度估计;粒子群算法;径向基神经网络;数值气象模型
中图分类号：
作者姓名：
张爽;陈西宏;刘强;刘赞;王庆力
作者机构：
空军工程大学防空反导学院,陕西 西安 710051;93305 部队,辽宁 沈阳 110000;93567 部队,河北 保定 074100
文献出处：
引用格式：
[1]张爽;陈西宏;刘强;刘赞;王庆力-.耦合PSO与扩展RBF神经网络估计NWM模型ZTD计算精度)[J].测绘学报,2022(09):1911-1919
A类：
NWM,数值气象模型
B类：
PSO,RBF,ZTD,计算精度,对流层天顶延迟,精度估计,粒子群算法,径向基函数神经网络,样本特征,征集,气象数据,地形特征,特征数据,GNSS,参考值,规模结构,层次聚类,均值聚类,算法优化,天气预报,ERA5,压分,特例,模型训练,模型估计,估计精度,泛化能力,不依,径向基神经网络
AB值：
0.302322
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
