水文负载对中国大陆构造环境监测网络(crustal movement observation network of China,CMONOC)测站坐标时间序列具有重要的影响,而降雨量直接影响了水文负载的量级大小。利用ITRF2014(international terrestrial reference frame 2014)参考框架下CMONOC坐标时间序列、MERRA2(modern-era retrospective analysis for research and applications, version 2)水文负载模型以及中国区域降雨量数据来分析三者之间的关系。结果表明,水文负载对CMONOC测站的影响主要体现在垂直方向上,尤其在珠江流域、长江流域以南、西南以及东南诸河流域,水文负载对测站位移的影响尤为显著,水文负载序列的均方根最大可达5.47 mm。水文负载和降雨量都呈现出较为明显的纬度相关性,纬度越高,其量级越小,二者与纬度的线性拟合优度分别为0.63和0.55;同时,降雨量与水文负载也呈现明显的线性关系,拟合优度为0.49,且随着年均降雨量的增加,水文负载的量级会随之增大。对于周期性信号,降雨量、水文负载以及CMONOC坐标时间序列具有一致性,水文负载的周年振幅和CMONOC坐标时间序列的周年振幅与年均降雨量的拟合优度分别为0.64和0.37。在研究水文负载对GNSS坐标时间序列的影响时,除了土壤湿度、积雪以及冠层水,降雨量也是不可忽略的因素。
利用中国探月甚长基线干涉测量(very long baseline interferometry,VLBI)观测数据改进月球物理天平动参数的预测精度,对于着陆器和巡视器的精密定位具有重要意义。利用VLBI单点定位模型解算得到“嫦娥三号”(Chang’E-3,CE-3)着陆器的坐标和物理天平动,分别采用循环神经网络(recursive neural network,RNN)和长短期记忆(long-short term memory,LSTM)网络进行物理天平动的预测。选取月球着陆器的坐标和VLBI观测量作为输入量,将3个欧拉角Ω,i,μ作为输出量,将11323个样本用于训练,2315个样本用于测试,2315个样本用于验证,1000个样本用作与预测结果进行对比。结果显示,验证集的数据经过1000次训练和9次迭代训练后的梯度约为6.2×10^(-5)(″)/s,证明了LSTM网络与RNN的可靠性。LSTM网络和RNN的3个欧拉角的预测精度分别达到了97.8%、99.7%、97.2%和95.2%、98.5%、95.8%,LSTM网络的预测精度更高。与DE421星历对欧拉角的预测结果进行比较,结果证明了LSTM网络预测精度更高。
