Machine Learning‐Based Model for Real‐Time GNSS Precipitable Water Vapor Sensing
Machine Learning‐Based Model for Real‐Time GNSS Precipitable Water Vapor Sensing
复制标题
基于机器学习的实时 GNSS 可降水水汽传感模型
DOI：
10.1029/2021gl096408
复制
发表时间：
2022-01
影响因子：
5.2
通讯作者：
Qiuyi Wang
中科院分区：
文献类型：
--
作者：
Yuxin Zheng;Cuixian Lu;Zhilu Wu;Jianchi Liao;Yushan Zhang;Qiuyi Wang
全球导航卫星系统（GNSS）为真实的实时可降水量（PWV）传感提供了一个有前途的机会。然而，依赖于气象信息限制了对流层天顶到地面的真实的时间反演的实现。
Global Navigation Satellite Systems (GNSS) provide a promising opportunity for real‐time precipitable water vapor (PWV) sensing. However, relying on meteorological information restrains the implementation of real‐time inversion from tropospheric zenith to
登录
查看更多内容
DOI：
--
发表时间：
2017
期刊：
--
影响因子：
--
作者：
R. Wolfinger;Pei-Yi Tan
通讯作者：
R. Wolfinger;Pei-Yi Tan
影响因子：
--
作者：
S. Hagemann;L. Bengtsson;G. Gendt
通讯作者：
S. Hagemann;L. Bengtsson;G. Gendt
影响因子：
7.8
作者：
WOLPERT, DH
通讯作者：
WOLPERT, DH
使用集成学习算法估算每小时和连续的地面 PM2.5 浓度：ST 堆积模型
影响因子：
5
作者：
Feng, Luwei;Li, Yiyan;Du, Qingyun
通讯作者：
Du, Qingyun
影响因子：
8.9
作者：
Lary, David J.;Alavi, Amir H.;Walker, Annette L.
通讯作者：
Walker, Annette L.