基于BP 神经网络算法构建香港地区加权平均温度模型

杨 林，郑南山，高淑照，刘 晨，李 杨，高士健

（1.西南交通大学 地球科学与环境工程学院，成都 611756；2.中国矿业大学 环境与测绘学院，江苏 徐州 221116；3.武汉大学 测绘学院，武汉 430072）

0 引言

水汽是地球大气的组成成分之一，占大气总体积的4%左右[1]，具有分布不均匀、变化频率快的特点。它在三态变化过程中吸收或释放大量热量，是造成暴雨、洪涝等灾害的主要原因[2]；因此如何准确预报水汽分布对于天气预报具有重要的实用价值。

目前获取大气水汽的方法较多，如无线电探空技术、水汽辐射计技术等，但这些技术存在分辨率低、使用成本高的问题。近年来随着全球卫星导航系统（global navigation satellite system，GNSS）的发展，可用GNSS 信号的天顶湿延迟（zenith wet delay，ZWD）分量及水汽转换系数（Π）计算台站上空的可降水量（precipitable water vapor，PWV），即地基GNSS 大气水汽的反演[3]。利用该方法获取水汽具有时空分辨率高、精度高、全天候的优点[4]。高精度的ZWD 可通过GAMIT 软件获得。Π的计算涉及到大气加权平均温度Tm参数，因此能否准确求解Tm值将直接决定PWV的反演质量。文献[1]建立了Tm与台站温度Ts的一元回归方程。文献[4]验证了全球定位系统（global positioning system，GPS）水汽反演在我国的可行性。文献[5]进行了大范围的GPS 实验。1996 年，文献[6]引入远距离基线来消除系统误差，提高反演精度。文献[7]证明地理位置和季节对Tm与Ts的相关性有重要影响。文献[8]建立了适用于武汉地区的本地化加权平均温度模型。文献[9]证实了Tm与Ts存在非线性关系。文献[10]证明本地化模型可更好地获得高精度遥感水汽，但多因子模型相对单因子模型改进效果不明显。……