基于机器学习的利用多层次气象数据估计和预测南极洲阿蒙棱镜的视程
摘要：在此论文中，我们提出了一种基于机器学习的新框架，利用多层自动气象站（AWS）的数据来估计和预测南极洲Dome A高度为8米处的大气视宁。与标准仪器如差分图像运动监测器（DIMM）相比，我们的估计具有0.18角秒的均方根误差（RMSE），而在将来20分钟的预测中，视宁范围为0到2.2角秒的RMSE为0.12角秒。与持续性预报相比（持续性预报是将预测与上一个数据点相同），我们的框架将RMSE降低了37％。我们的方法在计算时间约为一秒内预测视宁，非常适合实时望远镜调度。
作者：Xu Hou, Yi Hu, Fujia Du, Michael C. B. Ashley, Chong Pei, Zhaohui Shang, Bin Ma, Erpeng Wang, and Kang Huang
论文ID：2304.03587
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-04-10