顾及高程影响的区域天顶对流层延迟改正模型

利用美国南加州地区多个IGS站4年天顶对流层延迟(ZTD)数据,建立了一种不需要实测气象参数而只与测站高程和年积日有关的区域天顶对流层延迟模型。新模型与基于ECMWF再分析资料和年平均气象参数下的Saastamoinen模型相比,其稳定性和精度都优于Saastamoinen模型,且模型精度随高程的增加而增加。使用新模型预测2012年南加州地区ZTD,其整体精度约为3.86 cm。

综合时间序列与高程的天顶对流层延迟模型研究

利用南加州地区26个IGS站的天顶对流层延迟(ZTD)数据,运用傅里叶函数和指数函数,建立了一种不需要实测气象参数且只与时间序列及高程相关的天顶对流层延迟改正模型。该模型预报2012年ZTD平均精度为4.31 cm,计算公式简单,所需参数较少,可作为GNSS实时定位及导航的对流层天顶延迟改正。

一种基于机器学习算法的区域/单站ZTD组合预测模型

针对天顶对流层总延迟(ZTD)具有一定的时空变化特性,提出了一种基于BP神经网络、长短期记忆网络(LSTM)算法的区域/单站ZTD组合预测模型.以连续14天香港连续运行参考站(CORS)网络18个监测站观测数据为例,利用BP神经网络、LSTM及本文算法进行了区域、单站及二者组合ZTD预测模型研究.HKWS测站的预测结果表明:利用前13天数据预报第14天数据,区域、单站、组合模型ZTD预测的均方根误差(RMSE)分别为10.2 mm、10.4 mm、8.5 mm,组合模型相对于区域、单站模型预测精度分别提升了17.2%、18.4%.