Abstract：
高空气象探测技术的发展与探测仪器的进步密不可分.气压传感器作为探空仪搭载的核心器件,在高海拔极端环境下受到制作工艺及温度波动等因素的影响,会出现测量数据精度受损的现象.针对上述问题,通过分析气压传感器的标准气压值和误差之间的关系,推导了误差波动描述算式,把气压传感器标校任务转化为非线性回归方程系数的拟合任务,并设计一种用于误差系数拟合的 RBF模型.将拟合后的系数结合误差波动算式来计算最终的标校气压值,以达到提高气压传感器标校精度的目的.实验结果表明:RBF 神经网络拟合系数获取的标校值与传统的 BP 神经网络相比,可使测量误差的偏差度≤0.1%,有效提高了高空气象探测中的气压传感器的测量精度.
Keyword：
Reprint Author's Address：
Email：
Source ：
气象与环境科学
ISSN： 1673-7148
Year： 2023
Issue： 3
Volume： 46
Page： 106-111
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 9
Affiliated Colleges：
