基于BP神经网络的GNSS掩星对流层参数的修正方法与流程

基于bp神经网络的gnss掩星对流层参数的修正方法
技术领域
1.本发明涉及大气科学研究领域，尤其涉及基于bp神经网络的gnss掩星对流层参数的修正方法。


背景技术：

2.对流层顶是大气气候研究中的热点区域。gnss掩星探测技术具有高全球覆盖率、高垂直分辨率等特点，其最优探测区间为7
‑
25km，契合对流层顶出现的高度，因此能得到高质量，高全球覆盖率的对流层顶产品(由gnss掩星探测数据反演获取的对流层顶参数，以下简称gnss掩星对流层顶参数；对流层顶参数主要包括对流层顶高度和对流层顶温度)。
3.对流层顶的判定方法通常使用根据世界气象组织wmo于1957年提出的对流层顶定义的温度递减率判定方法，即：最低的满足温度随高度升高递减率大于
‑
2k/km的点，且该点至该点以上2km高度内任意一点间的温度递减率大于
‑
2k/km。
4.目前，ecmwf业务档案库提供的四维变分数据是精度很高的模型数据，但是掩星温度廓线反演得到的对流层顶产品与模型廓线得到的结果在部分地区有较为明显的差异。
5.我国风云三号c星(fy3c)gnss掩星探测仪(简称gnos)正常业务运行已达7年，提供的大气温度廓线的数量为每天400
‑
500个。fy3c卫星gnos掩星数据反演得到的对流层顶高度在高纬度地区相较ecmwf四维变分数据结果具有较大的负偏差。


技术实现要素：

6.本发明的目的在于克服现有技术缺陷，提出了基于bp神经网络的gnss掩星对流层参数的修正方法。
7.为了实现上述目的，本发明提出了一种基于bp神经网络的gnss掩星对流层参数的修正方法，所述方法包括：
8.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；
9.对对流层顶参数产品数据进行预处理；
10.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；
11.所述修正模型采用bp神经网络。
12.作为上述方法的一种改进，所述对流层顶参数产品数据包括：根据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。
13.作为上述方法的一种改进，所述预处理具体包括：
14.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。
15.作为上述方法的一种改进，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bp神经网络包括5层全连接层，其中有3层为隐藏层，每个隐藏层有10个神经元，每个神经元均采用relu激活函数。
16.作为上述方法的一种改进，所述方法还包括修正模型的训练步骤，具体包括：
17.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；
18.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；
19.初始化网络的权值矩阵，设置每对两两相连的神经元的求和权值；
20.将训练集数据依次输入bp神经网络，根据前向传播计算对应的对流层顶温度与对流层顶高度，以匹配的ecmwf对流层顶温度与对流层顶高度作为参考真值，由计算结果和参考真值计算mse损失函数，通过adam自适应调整动态学习率，迭代更新权值矩阵直至损失函数收敛并且满足预设的最大迭代次数，从而得到预训练好的修正模型；
21.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。
22.作为上述方法的一种改进，所述训练集和测试集的数据纬度分布保持一致。
23.一种基于bp神经网络的gnss掩星对流层参数的修正系统，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，
24.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；
25.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；
26.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；
27.所述修正模型采用bp神经网络。
28.与现有技术相比，本发明的优势在于：
29.本发明首次利用bp神经网络方法修正gnss掩星对流层顶参数产品，尤其对高纬地区误差改进效果最明显，使用模型简洁高效、计算经济，并且可以有效修正gnss掩星对流层顶产品高纬度区域参数的误差，提高了gnss掩星对流层顶参数产品的质量。
附图说明
30.图1是本发明的基于bp神经网络的gnss掩星对流层参数的修正方法总体流程图；
31.图2是本发明的bp神经网络训练流程示意图；
32.图3是训练集和测试集数据示例，包括纬度和季节分布；
33.图4是采用本发明方法的修正效果图，其中图4(a)是对流层顶高度修正效果，图4(b)是对流层顶温度修正效果。
具体实施方式
34.经过调研，fy3c等卫星gnss掩星数据反演得到的对流层参数有较大偏差，尤其gnss掩星数据反演的对流层顶高度在高纬度地区相较ecmwf四维变分数据结果具有较大的负偏差，因此尝试对gnss对流层顶参数产品的高纬度地区负偏差进行修正，以达到提高产品精度的目的。
35.由于对流层顶产品多为格点平均或纬度平均，是统计结果。对此，选择使用bp神经网络方法对gnss掩星对流层顶参数产品进行修正。
36.本发明的目的在于提供一种基于bp神经网络的gnss掩星对流层顶参数修正方法,具备计算效率高，回归修正效果好的优点，能够有效提高gnss掩星对流层顶参数产品的质量，特别是有负偏差的高纬度地区参数产品的质量。
37.为利用bp神经网络算法提高gnss掩星对流层顶参数产品高纬度地区的精度，技术方案主要包括以下五个步骤，如图1所示：
38.第一步：原始数据样本集构建。选取大量的gnss掩星温度廓线数据和ecmwf四维变分模型温度廓线数据进行时空匹配，计算时空匹配的gnss掩星产品与ecmwf数据各自的对流层顶高度与温度，得到原始样本；
39.第二步：生成训练集和测试集。首先对原始样本数据进行筛选，剔除一些由于温度廓线无法判定对流层顶而导致的无效值；筛选后，基于采样算法和归一化算法解决数据集分布不均匀、量纲不一致的问题，再按照6.5:3.5将预处理后的样本集切分成训练集和测试集。
40.第三步：构建bp神经网络模型。首先根据输入特征与输出特征确定模型输入层与输出层神经元的数量，再根据不断试验分别确定神经网络隐藏层数目与隐藏层神经元数目，从而构建以gnss掩星对流层顶高度，温度以及归一化后的时间，日期，经度，纬度为输入参数，修正后的对流层顶高度与温度为输出参数的bp神经网络模型。
41.第四步：bp神经网络模型训练。具体流程如图2所示。首先优化模型结构，经过测试，神经网络使用了5层全连接神经网络，其中有3个隐藏层，每个隐藏层有10个神经元。然后分配每个神经元的激活函数，在本模型中均使用了relu函数。随后初始化网络的权值矩阵，给出每对两两相连的神经元的求和权值。以匹配的ecmwf对流层顶温度与对流层顶高度作为参考真值，设置损失函数为mse，误差反向传播迭代器算法为adam，该算法使用自适应的动态学习率，从较小的学习率η起逐步提升，保证训练精度。随后，根据验证集误差确定了训练的epoch数。多次训练更新权值矩阵直至损失函数收敛或满足最大迭代次数，迭代次数为25000次。
42.第五步：对流层顶参数修正。利用训练好的bp神经网络模型计算修正后的对流层顶高度和温度参数，评价修正效果。
43.下面结合附图和实施例对本发明的技术方案进行详细的说明。
44.实施例1
45.本发明的实施例1提出了基于bp神经网络的gnss掩星对流层参数的修正方法。
46.利用fy3c卫星上gnss掩星探测仪(简称gnos)的掩星观测数据，采用本发明的基于bp神经网络方法修正fy3c星gnss掩星高纬度地区对流层顶参数对数据进行修正。fy3c卫星发射于2013年9月，是太阳同步轨道卫星，其轨道倾角98.8
°
，平均海拔836km，轨道周期为101.5分钟。其搭载的gnss掩星接收机gnos可以同时兼容北斗导航卫星系统(bds)的信号与全球定位系统(gps)的信号。fy3cgnos正常业务运行期间提供的大气温度廓线的数量为每天400
‑
500个。
47.第一步原始数据样本构建：fy3c掩星数据与ecmwf数据进行时空匹配。本实例使用了2018年6月
‑
2018年8月(jja)的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、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与温度，得到原始样本集。其中2018.6
‑
2018.8时间段内20187组数据，测试集10798组数据。
48.第二步生成训练集和测试集：对原始样本集进行筛选，剔除由于温度廓线无法判定对流层顶的无效数据，随机选取65％作为训练集，剩余35％作为测试集，保证两季训练集，测试集数据的纬度分布一致，具体纬度分布见图3。
49.第三步bp神经网络搭建：选择使用5层bp神经网络，包括3层隐藏层，损失函数选择mse函数，误差反向传播使用adam算法。接着选定模型的评价指标为均方根误差rmse，就此搭建了以修正前fy3c掩星对流层顶参数为输入，修正后fy3c掩星对流层顶参数为输出的bp神经网络模型。
50.具体包括：
51.首先构建模型，该神经网络使用了5层全连接神经网络，其中有3个隐藏层，每个隐藏层有10个神经元。输入数据为fy3c对流层顶高度，温度以及归一化后的时间，日期，经度，纬度。输出数据为修正后的对流层顶高度与温度。
52.经过relu函数激活，通过adam自适应调整动态学习率，直到模型得到输出值，计算输出值与目标值的误差，即损失函数。根据误差更新网络参数，如此循环直至达到规定循环次数或损失函数满足要求。训练模型成功，保存参数。
53.第四步bp神经网络模型训练：初始化权值矩阵，将训练集的fy3c掩星对流层顶相关参数输入网络，以训练集的对应ecmwf对流层顶高度与温度为目标参数。通过迭代训练更新权值矩阵，使得mse趋近最小，迭代次数为25000次。
54.训练集与测试集具有相同的纬度分布，均在80
°
n～80
°
s。时间为夏季(2018.6
‑
2018.8)。输入数据为fy3c卫星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，日期，时间，目标数据为与fy3c卫星gnss掩星干温廓线匹配的ecmwf四维变分温度廓线计算得到的对流层顶高度以及对流层顶温度。在将训练数据送入机器学习模型之前，对经纬度，日期，时间数据进行归一化处理。
55.第五步对流层顶参数修正：将待测的数据输入bp神经网络对流层顶参数修正模型中，获得修正后的对流层顶高度和温度参数，评估模型对于fy3c掩星对流层顶参数的修正情况。整体上，该方法明显的降低了fy3c掩星对流层顶参数与ecmwf结果的偏差，具体修正情况如图4。
56.图4为修正前后fy3c星gnss掩星数据产品与ecmwf模式数据在各地理网格中误差绝对值的减小值(标倒三角的网格代表误差增加)，其中图4(a)表示对流层顶高度修正效果，图4(b)表示对流层顶温度修正效果。在夏季(6～8月)期间，神经网络对于北半球高纬地区fy3c星gnss掩星对流层顶的参数的修正效果十分明显，仅有个别格点附有标记，但在南半球高纬地区，虽然整体上具有一定修正效果，但也存在一些附有标记的网格点。
57.实施例2
58.本发明的实施例2提出了一种基于bp神经网络的gnss掩星对流层参数的修正系统，基于实施例1的方法实现，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，
59.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；
60.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；
61.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；
62.所述修正模型采用bp神经网络。
63.最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。