[发明专利]基于随机森林回归的GNSS掩星对流层参数的修正方法

权利要求书

1.一种基于随机森林回归的GNSS掩星对流层参数的修正方法，所述方法包括：

接收GNSS掩星探测仪采集反演得到的对流层顶参数产品数据；

对对流层顶参数产品数据进行预处理；

将预处理后的数据输入预先建立和训练好的修正模型，得到修正后的对流层顶高度和对流层顶温度；

所述修正模型采用随机森林回归模型。

2.根据权利要求1所述的基于随机森林回归的GNSS掩星对流层参数的修正方法，其特征在于，所述对流层顶参数产品数据包括由GNSS掩星干温廓线计算得到的对流层顶温度、对流层顶高度、廓线经纬度以及对应的采集日期和时间。

3.根据权利要求1所述的基于随机森林回归的GNSS掩星对流层参数的修正方法，其特征在于，所述预处理具体包括：

对廓线经纬度以及对应的采集日期和时间进行归一化处理。

4.根据权利要求1所述的基于随机森林回归的GNSS掩星对流层参数的修正方法，其特征在于，所述修正模型的输入为预处理后的对流层顶参数产品数据，输出为修正后的对流层顶高度和对流层顶温度，采用的随机森林回归模型包括100个二叉树学习器。

5.根据权利要求2所述的基于随机森林回归的GNSS掩星对流层参数的修正方法，其特征在于，所述方法还包括修正模型的训练步骤，具体包括：

选取FY3C掩星数据与ECMWF业务档案库的温度廓线数据，按照时间、经度和纬度进行匹配，通过温度递减率算法计算匹配后温度廓线的对流层顶高度和对流层顶温度，得到原始样本集；

对原始样本集的数据进行筛选，剔除由于温度廓线无法判定对流层顶的无效数据，再基于采样算法和归一化算法进行预处理，根据一定比例将预处理后的样本集数据随机分配到训练集和测试集中；

对于具有N个样本的训练集，依次通过有放回抽样得到子样本集x₁，x₂，…，x_n，分别送入学习器M₁，M₂，…，M_n，每个学习器为一个二叉树结构的决策回归树，随机选取f₁，f₂，…f_n个特征，训练得到回归结果y₁，y₂，…，y_n，并由回归结果的平均值得到最终的回归结果y，其中对于每个学习器的训练为不断将输入特征划分成两个单元，随即确定每个划分单元对应的输出，进而生成叶结点，当满足停止条件时划分终止，确定该叶结点，当全部叶结点均确定，则该学习器训练完毕，当所有学习器训练完毕，则得到预训练好的修正模型；

将测试集数据依次输入预训练好的修正模型，判断输出结果是否达到评估要求，判断为否，重新训练；判断为是，得到训练好的修正模型。

6.根据权利要求3所述的基于随机森林回归的GNSS掩星对流层参数的修正方法，其特征在于，所述训练集和测试集的数据纬度分布保持一致。

7.一种基于随机森林回归的GNSS掩星对流层参数的修正系统，其特征在于，所述系统包括：修正模型、接收模块、预处理模块和输出模块；其中，

所述接收模块，用于接收GNSS掩星探测仪采集反演得到的对流层顶参数产品数据；

所述预处理模块，用于对对流层顶参数产品数据进行预处理；

所述输出模块，用于将预处理后的数据输入预先建立和训练好的修正模型，得到修正后的对流层顶高度和对流层顶温度；

所述修正模型采用随机森林回归模型。