摘要
为了提高对流层湿延迟的计算精度和全球定位系统水汽反演的准确性,结合BP神经网络算法的自主学习、记忆、计算和智能处理功能,利用气象探空数据建立了计算对流层湿延迟的BP神经网路模型,其模型结构为4×15×1.分别利用霍普菲尔德模型、多元线性回归模型及BP神经网络模型计算对流层湿延迟.对比分析了3种模型的对流层湿延迟计算结果,得到结论:霍普菲尔德模型存在系统误差,精度较低;多元线性回归模型和BP神经网络模型的精度都优于霍普菲尔德模型;BP神经网络模型精度较霍普菲尔德模型改进约50%,较多元线性回归模型学习中误差改进约71.7%,检验中误差改进约2%.
In order to improve the calculation accuracy of the tropospheric wet delay and the preci- sion of the global positioning system water vapor inversion, a back propagation （BP） neural network model with the structure of 4 x 15 x i is introduced to calculate the tropospheric wet delay. The mod-
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第A02期355-359,共5页
Journal of Southeast University：Natural Science Edition
基金
国家自然科学基金资助项目(41101314
41274028)
关键词
BP神经网络
对流层湿延迟
精度分析
back propagation neural network model
tropospheric wet delay
accuracy analysis
