基于GAN和Transformer模型组合的格陵兰地区PWV短时预报方法

来源：大地测量与地球动力学杂志2025年第9期北京时间：

作者：张胜凯, 胡希成, 龚力, 雷锦韬, 李文浩, 马超, 肖峰

单位：1 武汉大学中国南极测绘研究中心，武汉市珞喻路129号，430079,2 武汉大学测绘学院，武汉市珞喻路129号，430079,3 武汉大学极地环境监测与公共治理教育部重点实验室，武汉市珞喻路129号，430079,4 广西大学土木建筑工程学院，南宁市大学东路100号，530004,5 南京工业大学测绘科学与技术学院，南京市浦珠南路30号，211816,6 山东电力工程咨询院有限公司，济南市闵子骞路106号，250013

摘要：基于2010—2018年GPS反演的PWV时间序列数据以及同时期ERA5再分析资料计算的格陵兰地区PWV数据，采用深度学习中的生成对抗网络模型(GAN)和Transformer神经网络模型组合，实现由GPS-PWV数据对格陵兰地区PWV数据的短时预报。采用2019年的ERA5数据对预测结果进行评估，结果表明，模型在大部分地区表现较好，RMSE优于4.5 mm，相关系数大于0.7。在春、秋、冬季，相关系数均高于0.5；受天气剧烈变化影响，夏季少部分时间相关系数略低。该方法能够预测格陵兰地区PWV的空间分布和随时间的变化情况。

关键词：生成对抗网络,Transformer,GPS,格陵兰,PWV,短时预报

基金资助：国家重点研发计划(2023YFC2809103),中央高校基本科研业务费专项(2042022kf1204),中央高校基本科研业务费专项(2042023gf0012),中央高校基本科研业务费专项(2042022KF1069),中国科学院精密测量科学与技术创新研究院大地测量与地球动力学国家重点实验室开放基金(SKLGED2023-2-6),湖北省自然科学基金(2022CFB081)