PREDICTION OF PRECIPITABLE WATER VAPOR WITH A NEURAL NETWORK FROM THE ECUADORIAN GNSS AND METEOROLOGICAL DATA

Abstract

El Sistema de posicionamiento global (GPS) consiste en una constelación de satélites que transmiten señales de radio a un gran número de usuarios en cuanto a navegación, transferencia de tiempo y posicionamiento relativo. Estas señales de radio de banda L se retrasan por el vapor de agua contenido en la atmosfera mientras viajan desde los satélites GPS a los receptores GPS en tierra. El vapor de agua desempeña un papel crucial en diferentes procesos atmosféricos, actuando en una amplia gama de escalas temporales y espaciales: desde el clima global hasta la micrometeorología. Los científicos han desarrollado una variedad de medios para medir la distribución vertical y horizontal del vapor de agua. En este trabajo, se estudió un modelo para la predicción del contenido de agua precipitable a partir de datos GNSS utilizando una red neuronal. En este caso, se estableció como parámetros iniciales: presión, temperatura, posiciones y retardo total del cenit; y en cuanto a la red neuronal fue una red neuronal de función base radial (RBFNN) con tres capas. Los resultados demostraron que el RBFNN logró predecir vapor de agua precipitable con un RMS hasta 2 mm en la red GNSS general, es decir, esta metodología es una alternativa valiosa para establecer un modelo para estas condiciones y parámetros.