长短期记忆网络(LSTM)

Search documents
中国团队利用AI提升南山射电望远镜大气修正精度
Huan Qiu Wang Zi Xun· 2025-10-22 02:51
来源:环球网 【环球网科技综合报道】10月22日消息,受空气密度和水汽含量变化的影响,宇宙中的电磁波在穿越地 球大气时传播速度会减慢,从而产生对流层延迟。这种延迟被认为是甚长基线干涉测量(VLBI)和全 球导航卫星系统(GNSS)定位中的主要误差来源。如何精确建模与预报这种延迟,成为了当前天文观 测与大地测量领域亟需攻克的重要课题之一。 对此,中国科学院新疆天文台李明帅团队,利用南山26米射电望远镜台址的多年GNSS和气象观测数 据,构建了一种融合门控循环单元(GRU)与长短期记忆网络(LSTM)的混合深度学习模型。该方法 属于人工智能技术的重要分支,可自动从大量观测数据中学习大气延迟变化规律,从而实现对天顶对流 层延迟(ZTD)的高精度短期预测。 针对传统经验模型难以捕捉复杂非线性变化的局限,研究团队引入深度学习架构,将GRU用于提取短 期变化特征,LSTM用于记忆长期趋势,两者结合后形成"混合神经网络",既能捕捉大气延迟的短时波 动,又能识别其长期规律。结果显示,该模型的预测误差仅约为8毫米,相关系数达96%,显著优于传 统统计模型和单一神经网络。 高精度的对流层延迟预测结果,可有效提升VLBI观测的大气 ...