55、RTP - GRU：基于GRU的探空仪轨迹预测模型

RTP - GRU：基于GRU的探空仪轨迹预测模型

1. 引言

随着科技的发展，人类生产生活范围不断扩大，气象信息在人类活动中的作用愈发重要。人们创造了多种气象探测方法，如气象雷达、气象卫星和探空仪等。探空仪具有投资少、成本低、见效快、飞行时间长和观测数据精度高等优点，因此被广泛应用。

探空仪利用双层气球升至高空，测量温度、气压、湿度、风速和风向等气象要素。其气象探测过程分为三个阶段：
1. 因浮力进入上升阶段。
2. 约30公里处外气球爆炸，内气球携带探空仪在平流层水平移动。
3. 地面发送“熔断”指令，使探空仪与探空气球分离，探空仪下落。在每个阶段，探空仪都会收集气象信息。

然而，探空仪没有动力系统，仅受风和浮力影响，飞行轨迹不受控制，难以预测其飞行轨迹和探测范围。为解决这一问题，有人提出将无人机与探空气球结合的方法，但该方法成本高，实际应用困难。本文采用预测探空仪轨迹的方法来解决此问题。

本文的主要贡献如下：
1. 首次使用神经网络算法预测探空仪的轨迹。
2. 提出了一种基于GRU的新型探空仪轨迹预测模型（RTP - GRU）。
3. 在真实的探空仪历史数据集上进行了RTP - GRU方法的实验，实验结果表明该方法有效。

2. 相关工作

2.1 气球轨迹问题的解决方法

为解决探空气球轨迹的不确定性问题，有人提出将探空气球与无人机结合的方法。该方法充分利用了探空气球的飞行高度和无人机可控制的优势，使两者结合既能实现高空探测任务，又能有目的地飞行到指定位置。但该方法的缺点是需要使用无人机，成本较高。

2.2 轨