[发明专利]一种基于多路混合神经网络大气水汽估算模型的大气水汽估算方法

权利要求书

1.一种基于多路混合神经网络大气水汽估算模型的大气水汽估算方法，其特征在于，包括：

步骤1：获取GNSS大气水汽数据和获取地面气象数据；

步骤2：对所述GNSS大气水汽数据和所述地面气象数据进行质量控制，得到质量控制后的大气水汽数据和地面气象数据；

步骤3：对所述质量控制后的大气水汽数据和地面气象数据进行数据预处理，得到预处理后的大气水汽数据和地面气象数据；

步骤4：根据所述预处理后的大气水汽数据和地面气象数据，结合观测日期、时间和测站海拔高度，设计并训练多路混合神经网络大气水汽估算模型；

步骤5：利用所述预处理后的地面气象数据，结合观测日期、时间和测站海拔高度，基于训练好的多路混合神经网络大气水汽估算模型，得到大气水汽的估算值；并对多路混合神经网络大气水汽估算精度进行评价。

2.根据权利要求1所述的方法，其特征在于，所述获取GNSS大气水汽数据的步骤包括：

步骤1-1：对GNSS观测资料解算，获取对流层天顶总延迟；并以小时为单位做平均化处理，得到逐小时天顶总延迟ZTD；

步骤1-2，利用地面气压、气温和海拔高度，基于Hopfield模型计算天顶静力延迟ZHD；

步骤1-3，由ZWD＝ZTD-ZHD，获得天顶湿延迟ZWD；

步骤1-4，由PWV＝Π×ZWD，计算得到GNSS大气水汽数据PWV；其中水汽转化系数Π是一个基于温度计算的无量纲系数。

3.根据权利要求1所述的方法，其特征在于，所述获取地面气象数据的步骤具体为：

由地面气象站观测所得信息，以小时为单位平均量化得到。

4.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

步骤2-1：对所述大气水汽数据和地面气象数据进行粗大误差处理；

步骤2-2：对粗大误差处理后的大气水汽数据和地面气象数据进行缺失数据处理。

5.根据权利要求4所述的方法，其特征在于，

所述步骤2-1具体为：采用拉依达准则进行检测和删除；

所述步骤2-2具体为：采用卡尔曼平滑算法对缺测数据进行插补，形成起止时间对应的逐小时数据。

6.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

步骤3-1：根据GNSS大气水汽数据和地面气象数据，生成地面气象数据特征因子；

步骤3-2：将所述GNSS大气水汽数据和地面气象数据特征因子进行标准化处理，生成预处理后的大气水汽数据和地面气象数据。

7.根据权利要求6所述的方法，其特征在于，所述步骤3-1包括：

对GNSS大气水汽数据和地面气象数据进行相关性检验，计算生成相关系数；

选择绝对值大于预定值的相关系数所对应的地面气象要素x_i(t)组成特征向量X_t＝[x_i(t)]^T，作为估算模型输入的特征因子；其中x_i(t)表示第t时次的第i种地面气象要素数据。

8.根据权利要求1所述的方法，其特征在于，

所述多路混合神经网络大气水汽估算模型具体为：采用多路混合神经网络结构，模型输入为时间序列特征和非时间序列特征；

支路1为时间序列特征提取支路，用于对地面气象数据特征因子进行时序特征提取，支路1为2层GRU神经网络层结合2层丢弃层的结构；

支路2为非时间序列特征提取支路，输入为观测日期、时间和测站海拔高度，支路2为2层全连接神经网络层顺序连接结构；

支路1和支路2提取到的时序特征和非时序特征经1个全连接层连接，对作为标签数据的GNSS水汽数据进行估算。