典型文献
基于LSTM神经网络的热层大气密度模型校正
文献摘要：
目前,主要用经验模型进行热层大气密度建模和预测,但存在较大误差,因此提出一种基于长短期记忆神经网络的热层大气密度模型校正方法,以减少经验模型计算的密度误差.该方法将NRLMSISE-00模型计算的密度、太阳和地磁活动指数作为基础输入,以CHAMP卫星的加速度计密度数据为目标值,获得NRLMSISE-00的模型误差.结果表明,校正后模型的精度显著优于原始模型的精度.
文献关键词：
长短期记忆(long short-term memory;LSTM);热层大气密度;模型校正;NRLMSISE-00
中图分类号：
作者姓名：
余进江;陈俊宇;桑吉章
作者机构：
武汉大学测绘学院,湖北 武汉,430079
文献出处：
引用格式：
[1]余进江;陈俊宇;桑吉章-.基于LSTM神经网络的热层大气密度模型校正)[J].测绘地理信息,2022(05):37-41
A类：
B类：
热层大气密度,密度模型,模型校正,经验模型,长短期记忆神经网络,校正方法,NRLMSISE,地磁活动指数,CHAMP,加速度计,目标值,模型误差,long,short,term,memory
AB值：
0.253873
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。
