受空氣密度和水汽含量變化的影響，宇宙中的電磁波在穿越地球大氣時(shí)傳播速度會減慢，從而產(chǎn)生對流層延遲。這種延遲被認(rèn)為是甚長基線干涉測量（VLBI）和全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）定位中的主要誤差來源。如何精確建模與預(yù)報(bào)這種延遲，成為了當(dāng)前天文觀測與大地測量領(lǐng)域亟需攻克的重要課題之一。
中國科學(xué)院新疆天文臺李明帥團(tuán)隊(duì)，利用南山26米射電望遠(yuǎn)鏡臺址的多年GNSS和氣象觀測數(shù)據(jù)，構(gòu)建了一種融合門控循環(huán)單元（GRU）與長短期記憶網(wǎng)絡(luò)（LSTM）的混合深度學(xué)習(xí)模型。該方法屬于人工智能技術(shù)的重要分支，可自動從大量觀測數(shù)據(jù)中學(xué)習(xí)大氣延遲變化規(guī)律，從而實(shí)現(xiàn)對天頂對流層延遲（ZTD）的高精度短期預(yù)測。
團(tuán)隊(duì)首先對南山臺站多年的GNSS觀測進(jìn)行了頻譜分析，發(fā)現(xiàn)ZTD變化具有明顯的年周期與半年度周期——夏季偏高、冬季偏低。這種變化與氣溫和水汽含量密切相關(guān)：溫度越高、水汽越多，信號延遲越顯著。
針對傳統(tǒng)經(jīng)驗(yàn)?zāi)Ｐ碗y以捕捉復(fù)雜非線性變化的局限，研究團(tuán)隊(duì)引入深度學(xué)習(xí)架構(gòu)，將GRU用于提取短期變化特征，LSTM用于記憶長期趨勢，兩者結(jié)合后形成“混合神經(jīng)網(wǎng)絡(luò)”，既能捕捉大氣延遲的短時(shí)波動，又能識別其長期規(guī)律。結(jié)果顯示，該模型的預(yù)測誤差僅約為8毫米，相關(guān)系數(shù)達(dá)96%，顯著優(yōu)于傳統(tǒng)統(tǒng)計(jì)模型和單一神經(jīng)網(wǎng)絡(luò)。
高精度的對流層延遲預(yù)測結(jié)果，可有效提升VLBI觀測的大氣相位修正精度，改善射電源定位與基線解算結(jié)果，同時(shí)也為毫米波天文觀測提供更準(zhǔn)確的氣象支撐，在可降水量（PWV）反演與天氣預(yù)報(bào)中具有廣泛的應(yīng)用前景。該研究展示了人工智能在射電望遠(yuǎn)鏡大氣校正中的應(yīng)用潛力，為未來奇臺110米望遠(yuǎn)鏡（QTT）及多站干涉觀測的高頻段運(yùn)行奠定了技術(shù)基礎(chǔ)。
相關(guān)研究成果發(fā)表在《天文與天體物理研究》（Research in Astronomy and Astrophysics）上。
論文鏈接
ZTD變化與氣象要素的關(guān)系
不同模型的預(yù)測精度比較
本文鏈接：AI提升南山射電望遠(yuǎn)鏡大氣修正精度http://www.sq15.cn/show-12-1951-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。