10月28日,記者從中國科學院新疆天文臺獲悉,該天文臺高級工程師李明帥及其團隊,利用南山26米射電望遠鏡臺址的多年全球導航衛(wèi)星系統(tǒng)和氣象觀測數(shù)據(jù),構建了一種融合門控循環(huán)單元與長短期記憶網(wǎng)絡的混合深度學習模型。該模型可自動從大量觀測數(shù)據(jù)中學習大氣延遲變化規(guī)律,從而實現(xiàn)了對天頂對流層延遲的高精度短期預測。相關研究成果近期發(fā)表于國際期刊《天文和天體物理學研究》。

據(jù)了解,由于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傳播速度會減慢,從而產(chǎn)生所謂的“對流層延遲”。這種延遲被認為是甚長基線干涉測量和全球導航衛(wèi)星系統(tǒng)定位中的主要誤差來源,它如同一層“隱形鏡頭”,讓信號在大氣中發(fā)生細微的彎折與滯后,進而影響測量的精度。如何精確建模與預報這種延遲,成為了當前天文觀測與大地測量領域亟需攻克的重要課題之一。
科研團隊對南山臺站多年的全球導航衛(wèi)星系統(tǒng)觀測進行了頻譜分析,發(fā)現(xiàn)對天頂對流層延遲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:溫度越高、水汽越多,信號延遲越顯著。
針對傳統(tǒng)經(jīng)驗模型難以捕捉復雜非線性變化的局限,科研團隊引入深度學習架構,將融合門控循環(huán)單元用于提取短期變化特征,長短期記憶網(wǎng)絡用于記憶長期趨勢,兩者結合后形成“混合神經(jīng)網(wǎng)絡”,既能捕捉大氣延遲的短時波動,又能識別其長期規(guī)律。結果顯示,該模型的預測誤差約為8毫米,相關系數(shù)達96%,顯著優(yōu)于傳統(tǒng)統(tǒng)計模型和單一神經(jīng)網(wǎng)絡。
李明帥表示,高精度的對流層延遲預測結果,可有效提升甚長基線干涉測量觀測的大氣相位修正精度,改善射電源定位與基線解算結果,同時也為毫米波天文觀測提供更準確的氣象支撐,并在可降水量反演與天氣預報中具有廣泛的應用前景。該研究展示了人工智能在射電望遠鏡大氣校正中的應用潛力,為未來奇臺110米望遠鏡及多站干涉觀測的高頻段運行奠定了技術基礎。
友情鏈接: 政府 高新園區(qū)合作媒體
Copyright 1999-2025 中國高新網(wǎng)chinahightech.com All Rights Reserved.京ICP備14033264號-5
電信與信息服務業(yè)務經(jīng)營許可證060344號主辦單位:《中國高新技術產(chǎn)業(yè)導報》社有限責任公司