Improving the spaceborne GNSS-R altimetric precision based on the novel multilayer feedforward neural network weighted joint prediction model

Zhang, Yiwen; Zheng, Wei; Liu, Zongqiang

doi:10.1016/j.dt.2023.03.019

Cited by 2 publications

(1 citation statement)

References 29 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In this article, the ANN is realized by implementing an MFFN network. The MFFN network is trained using the backpropagation algorithm [14][15][16] .…”

Section: Multilayer Feed Forward Neural Networkmentioning

confidence: 99%

نموذج لمراقبة أداء الطاقة الشمسية الكهروضوئية والتنبؤ الإحصائي باستخدام الشبكة العصبية متعددة الطبقات والذكاء الاصطناعي

Kumaravel,

Kirthiga,

Al Shekaili

et al. 2024

Baghdad Sci.J

View full text Add to dashboard Cite

إن الطبيعة الطبوغرافية لسلطنة عمان تجعل نظام الطاقة الشمسية خيارًا قابلاً للتطبيق وموثوقًا لإنتاج الطاقة بكميات كبيرة في سوق الطاقة المتجددة. تشهد العديد من المناطق الصحراوية في عمان مستويات عالية من الإشعاع الشمسي. وهذا مناسب للأنظمة الكهروضوئية لأن كفاءتها تعتمد بشكل أساسي على الإشعاع الشمسي. ومع ذلك، في التطبيقات في الوقت الفعلي، تؤثر العديد من العوامل البيئية على كفاءة الألواح الشمسية وبالتالي على أدائها. في هذه المقالة، تم اقتراح الشبكة الطبيعية (العصبية) الأمامية متعددة الطبقات (MFFN) لتتبع أداء نظام الطاقة الشمسية الكهروضوئية من أجل استبدال أو تحسين أداء نظام الطاقة الشمسية الكهروضوئية بناءً على حالته الحالية. يتم استخدام خوارزمية الانتشار العكسي (BPA) لتدريب MFFN.

show abstract

“…In this article, the ANN is realized by implementing an MFFN network. The MFFN network is trained using the backpropagation algorithm [14][15][16] .…”

Section: Multilayer Feed Forward Neural Networkmentioning

confidence: 99%

نموذج لمراقبة أداء الطاقة الشمسية الكهروضوئية والتنبؤ الإحصائي باستخدام الشبكة العصبية متعددة الطبقات والذكاء الاصطناعي

Kumaravel,

Kirthiga,

Al Shekaili

et al. 2024

Baghdad Sci.J

View full text Add to dashboard Cite

show abstract

Advancing Sea Surface Height Retrieval through Global Navigation Satellite System Reflectometry: A Model Interaction Approach with Cyclone Global Navigation Satellite System and FengYun-3E Measurements

Xing,

Yang,

Zhang

et al. 2024

Remote Sensing

View full text Add to dashboard Cite

The measurement of sea surface height (SSH), which is of great importance in the field of oceanography, can be obtained through the innovative technique of GNSS-R for remote sensing. This research utilizes the dataset from spaceborne GNSS-R platforms, the Cyclone Global Navigation Satellite System (CYGNSS) and FengYun-3E (FY-3E), as the primary source of data for retrieving sea surface height (SSH). The utilization of artificial neural networks (ANNs) allows for the accurate estimation of ocean surface height with a precision of meter-level accuracy throughout the period of 1–17 August 2022. As a traditional machine learning method, an ANN is employed to extract pertinent data features, facilitating the acquisition of precise sea surface height estimations. Additionally, separate models are devised for both GNSS-R platforms, one based on constant velocity (CV) and the other on constant acceleration (CA). The Interactive Multiple Model (IMM) is utilized as the main method to combine the four models and convert the likelihood of each model. The transition between the models allows the filters to effectively adapt to dynamic changes and complex environments. This approach relies on the fundamental notion of the Kalman filter (KF), which showcases robust noise handling capabilities in predicting the SSH, separately. The results demonstrate that the model interaction technology is capable of efficiently filtering and integrating SSH data, yielding a Root Mean Square Error (RMSE) of 1.03 m. This corresponds to a 9.84% enhancement compared to the retrieved height from CYGNSS and a 37.19% enhancement compared to the retrieved height from FY-3E. The model proposed in this paper provides a potential scheme for the GNSS-R data fusion of multiple platforms and multiple models. In the future, more data sources and more models can be added to achieve more accurate adaptive fusion.

show abstract

Improving the spaceborne GNSS-R altimetric precision based on the novel multilayer feedforward neural network weighted joint prediction model

Cited by 2 publications

References 29 publications

نموذج لمراقبة أداء الطاقة الشمسية الكهروضوئية والتنبؤ الإحصائي باستخدام الشبكة العصبية متعددة الطبقات والذكاء الاصطناعي

نموذج لمراقبة أداء الطاقة الشمسية الكهروضوئية والتنبؤ الإحصائي باستخدام الشبكة العصبية متعددة الطبقات والذكاء الاصطناعي

Advancing Sea Surface Height Retrieval through Global Navigation Satellite System Reflectometry: A Model Interaction Approach with Cyclone Global Navigation Satellite System and FengYun-3E Measurements

Contact Info

Product

Resources

About