基于LSTM的GRACE加速度计数据预测模型
机器学习
2023-08-21 v1 人工智能
空间物理
摘要
重力恢复与气候实验（GRACE）卫星任务（2002年至2017年）提供了用于监测地球重力场变化的宝贵数据集，支撑了地球物理与水文学中的多种应用。该任务之后由2018年的GRACE Follow-On接续，持续进行数据收集。由星载不同仪器积分得到的月度地球重力场，由于包括GRACE任务初期某些仪器观测缺失在内的多种因素而表现出不一致性。随着如今超过二十年的GRACE与GRACE Follow-On数据可用，本文提出一种方法来填补数据缺口并预测GRACE加速度计数据。具体而言，我们聚焦于加速度计数据，并采用长短期记忆（LSTM）网络训练一个能够预测全部三轴加速度计数据的模型。在本研究中，我们描述了用于预处理加速度计数据、为其LSTM训练做准备并评估模型性能的方法。通过实验与验证，我们评估了模型的精度及其预测三轴加速度计数据的能力。我们的结果证明了LSTM预测模型在填补缺口与预测GRACE加速度计数据方面的有效性。
引用
@article{arxiv.2308.08621,
title = {LSTM-Based Forecasting Model for GRACE Accelerometer Data},
author = {Neda Darbeheshti and Elahe Moradi},
journal= {arXiv preprint arXiv:2308.08621},
year = {2023}
}