采用长短时记忆网络训练的卫星重力数据粗差探测方法与应用

来源：地震地质杂志2021年第5期北京时间：

作者：杨玉, 吴云龙, 姚运生, 单维锋

单位：1)防灾科技学院, 三河 0652012)中国地震局地震研究所, 中国地震局地震大地测量重点实验室, 武汉 430071

摘要：粗差探测是卫星重力数据预处理环节的关键步骤。针对海量观测数据如卫星重力梯度数据, 原有的粗差探测方法存在时间消耗长、 准确率较低等不足。文中基于长短时记忆(LSTM)网络方法, 提出了可用于重力梯度数据粗差探测的机器学习方法, 实现了对长时间序列观测数据的粗差识别问题, 避免了粗差对观测数据的影响。计算结果显示, LSTM训练模型的预测精度达99.4%, 在预测过程中, 扩大训练数据量或增加LSTM神经元的个数都可提高预测效果, 且损失函数、 学习率、 迭代次数等是影响预测效果的主要模型参数。训练模型识别粗差实验结果表明: LSTM模型能够很好地应用于卫星重力梯度测量观测数据的粗差探测。

关键词：卫星重力梯度,粗差探测,长短时记忆网络,模型参数,

基金资助：国家自然科学基金项目(41974096);国家自然科学基金项目(41931074);国家重点研发计划(2018YFC1503503)