基于GNSS PWV和LSTM的AI气象模型PWV偏差校正方法OA

基于2017—2019年中国地壳运动观测网络240个GNSS站的PWV数据,结合风乌和盘古两类AI气象模型反演的PWV数据(FW PWV和PG PWV),进行AI气象模型PWV偏差校正研究。首先,以GNSS PWV为参考,验证FW PWV和PG PWV精度。其次,为提升两类AI气象模型反演PWV的精度,以2017—2018年GNSS站的经度、纬度、高程、年积日、AI气象模型反演PWV作为输入特征,以FW PWV或PG PWV与GNSS PWV的差值作为输出特征,使用LSTM构建两类AI气象模型的PWV偏差校正模型,对2019年两类AI气象模型反演的PWV进行校正。结果表明,FW PWV和PG PWV的平均bias和RMSE分别为-0.01 mm、2.88 mm与0.28 mm、3.04 mm。校正后FW PWVL和PG PWVL的RMSE分别为2.29 mm和2.38 mm,精度改善率分别为20.48%和21.71%,并通过2019年探空站PWV验证了校正结果的可靠性。偏差校正模型不仅降低了各月份的RMSE,FW PWVL和PG PWVL的月RMSE范围均集中在1.4~3.4 mm,夏季平均RMSE改善率为22.30%。PG PWVL在0~1.5 km高程区间偏差绝对值分别降低0.45 mm、0.46 mm、0.32 mm,在1.5~2.0 km高程区间RMSE改善率高达23.55%;FW PWVL在高程大于2 km区域表现最优,偏差绝对值降低0.23 mm,RMSE改善率为29.50%。