排序方式: 共有9条查询结果,搜索用时 31 毫秒
1
1.
2.
利用MAYG站BDS和GPS的L1载波高度角小于20°的SNR数据对海平面高度进行反演,并与验潮站实测海平面高度作对比分析,得到在2016年年积日第196天的BDS反演结果与验潮站实测海平面高度的MAE优于8cm;BDS在2016年第191~196天的反演结果的RMSE为0.357;BDS、GPS联合反演结果与验潮站实测海平面高度RMSE达到0.286,相关系数优于0.856,BDS能较好实现实时、连续监测海平面高度的变化,BDS与GPS联合监测海平面高度提升了监测分辨率和精度,BDS-MR进一步拓展了GNSS在海洋遥感领域监测的能力。 相似文献
3.
4.
针对电离层总电子含量(TEC)非线性、非平稳性的特性,提出基于BP神经网络和差分自回归移动平均模型(ARIMA)的最优非负变权组合预报模型,并将其应用于TEC预报。利用IGS中心提供的不同经纬度的电离层平静期、活跃期TEC数据,分别采用BP神经网络模型、ARIMA模型和变权组合模型对TEC进行5 d预报。实验结果表明:在电离层平静期和活跃期变权组合模型预报5 d的平均相对精度分别为94. 7%和88. 9%,其中预报残差小于3 TECu的分别达到89. 3%和78. 5%,较单一模型的预报精度有明显提高。 相似文献
5.
6.
7.
介绍了数据预处理对基于径向基函数网络的高程转换的必要性,提出了基于径向基函数网络高程转换建模的基本原理和实现步骤。结合工程实例,重点对归一化、中心化、标准化3种不同的数据预处理方法对基于径向基函数网络高程转换的影响进行计算分析。结果表明:针对大面积、高程异常值变化较大的区域,经过数据预处理后模型能够达到更高的转换精度;不同的预处理方法对转换结果影响不同,中心化预处理较其他两种方法能够更大程度地提高径向基函数网络高程转换的精度;归一化预处理方法不一定是最优的,进行高程转换前有必要对预处理方法进行选择。 相似文献
8.
针对电离层总电子含量(TEC)非线性、非平稳性的特性,提出基于 BP神经网络和差分自回归移动 平均模型(ARIMA)的最优非负变权组合预报模型,并将其应用于 TEC预报。利用 IGS中心提供的不同经纬 度的电离层平静期、活跃期 TEC数据,分别采用 BP神经网络模型、ARIMA模型和变权组合模型对 TEC进 行 5d预报。实验结果表明:在电离层平静期和活跃期变权组合模型预报 5d的平均相对精度分别为 94.7% 和 88.9%,其中预报残差小于 3TECu的分别达到 89.3%和 78.5%,较单一模型的预报精度有明显提高。 相似文献
9.
1