Raziskovalci z Astronomskega observatorija Xinjiang Kitajske akademije znanosti so predstavili nov hibridni model globokega učenja, ki omogoča natančnejše napovedovanje atmosferske zakasnitve – enega ključnih virov napak pri astronomskih opazovanjih in geodetskih meritvah. Kot so navedli v izjavi za javnost, gre za pomemben korak k izboljšanju zanesljivosti meritev v astronomiji in navigacijskih sistemih.
Atmosferska zakasnitev nastane, ko elektromagnetni valovi pri prehodu skozi Zemljino atmosfero upočasnijo zaradi sprememb v gostoti zraka in vsebnosti vodne pare. Ta pojav, znan kot troposferska zakasnitev, vpliva na delovanje sistemov, kot sta VLBI (Very Long Baseline Interferometry) in GNSS (Global Navigation Satellite System).
„Ko signali potujejo skozi atmosfero, se zaradi njenih lastnosti rahlo upognejo in zaostanejo,“ so pojasnili raziskovalci. „To deluje kot nekakšna nevidna leča, ki izkrivlja pot signala in zmanjšuje natančnost meritev.“
Takšne napake predstavljajo velik izziv za opazovanja v astronomiji in geodeziji, kjer so tudi manjša odstopanja lahko ključna. Zato je natančno modeliranje atmosferske zakasnitve postalo ena prednostnih raziskovalnih nalog.
Hibridna nevronska mreža za boljšo natančnost
Raziskovalno skupino je vodil Li Mingshuai, ki je pojasnil, da so uporabili večletne podatke GNSS in meteorološke podatke, zbrane z 26-metrskim radijskim teleskopom NanShan. Na tej osnovi so razvili model, ki združuje mrežo z zaprtimi rekurentnimi enotami (GRU) in mrežo dolgega kratkoročnega spomina (LSTM).
„Model združuje prednosti obeh arhitektur,“ so navedli. „GRU učinkovito prepozna kratkoročne spremembe, medtem ko LSTM zajame dolgoročne trende v atmosferskih pogojih.“
Gre za pristop, ki se uči iz velikih količin podatkov in se sam prilagaja vzorcem sprememb v troposferski zakasnitvi. Takšen hibridni sistem lahko zato z veliko natančnostjo napove t. i. zenitno troposfersko zakasnitev (ZTD), kar je ključno za številne astronomske meritve.
Analiza dolgotrajnih ciklov in sezonskih vplivov
Raziskovalci so pri analizi večletnih podatkov z opazovalne postaje NanShan izvedli spektralno analizo GNSS signalov in ugotovili, da se v troposferski zakasnitvi pojavljajo izraziti letni in polletni cikli.
„Poleti smo zaznali večje zamike, pozimi pa manjše,“ so poudarili v sporočilu. „Te spremembe so močno povezane s temperaturo in vsebnostjo vodne pare v zraku – toplejša in vlažnejša kot je atmosfera, večja je zakasnitev signala.“
Takšne periodične spremembe so bile doslej le delno vključene v empirične modele, ki pogosto niso uspeli zajeti kompleksnih nelinearnih procesov v atmosferi. Novi hibridni pristop pa, kot so izpostavili raziskovalci, omogoča učinkovitejše razumevanje teh vplivov.
„Z uporabo globokih nevronskih mrež lahko prvič natančno modeliramo tako kratkoročna nihanja kot sezonske vzorce,“ so dodali.
Rezultati z visoko natančnostjo
Preizkusi novega modela so pokazali, da je napaka napovedi približno 8 milimetrov, medtem ko korelacijski koeficient dosega 96 odstotkov. To po navedbah raziskovalcev pomeni občutno izboljšanje v primerjavi s tradicionalnimi statističnimi ali enoplastnimi modeli.
„Natančnost modela znatno presega obstoječe pristope,“ so zapisali. „S tem se odpirajo nove možnosti za izboljšano kalibracijo atmosferske faze pri opazovanjih VLBI in za natančnejše določanje položajev radijskih virov.“
Napovedi troposferske zakasnitve imajo tudi širše uporabne vrednosti. Poleg astronomskih opazovanj se rezultati lahko uporabijo pri določanju izhodiščnih vrednosti v geodeziji in pri meteorološkem modeliranju.
„Visoka natančnost modela omogoča tudi izboljšano napovedovanje vsebnosti padavinske vodne pare,“ so pojasnili raziskovalci, „kar je dragoceno za kratkoročno vremensko napovedovanje.“
Po navedbah Kitajske akademije znanosti raziskava kaže, kako lahko metode globokega učenja pomagajo pri kalibraciji atmosfere za radijske teleskope. Novi pristop je po njihovih besedah pomemben tudi za prihodnje delovanje največjega kitajskega teleskopa Qitai s premerom 110 metrov, ki bo deloval na visokih frekvencah.
Študija je bila objavljena v znanstveni reviji Research in Astronomy and Astrophysics.
Foto: Freepik
