中国东部沿海区域天顶对流层延迟模型精化

学术精汇

作者：

褚文佳1 范士杰*1 臧建飞1 李志才2 刘焱雄3 陈冠旭3

作者单位：

1. 中国石油大学(华东)海洋与空间信息学院2. 中国矿业大学(北京)地球科学与测绘工程学院3. 自然资源部第一海洋研究所

摘要：

天顶对流层延迟（Zenith Tropospheric Delay，ZTD）的精确建模对提高全球卫星导航系统（Global Navigation Satellite System，GNSS）定位精度与气象应用至关重要。我国东部沿海区域南北跨度大，ZTD的时空变化复杂，现有全球气压气温3（Global Pressure and Temperature 3，GPT3）模型难以准确模拟ZTD在不同时空尺度上复杂的非线性变化。基于GPT3模型，采用具有强大非线性拟合能力的反向传播神经网络（Back Propagation Neural Network，BPNN）和径向基函数（Radial Basis Function，RBF）神经网络算法，并针对2种算法分别采用分季节和逐日建模策略，建立了中国东部沿海区域改进ZTD模型。选取中国大陆构造环境监测网（Crustal Movement Observation Network of China，CMONOC）2016—2019年连续4年中国东部沿海区域GNSS ZTD数据中的92个站点数据作为训练数据集，构建模型，其余24个站点数据进行模型测试，结果表明：①改进ZTD模型具有良好的内符合精度，基于BPNN和RBF神经网络算法的改进模型ZTD估值的均方根误差（Root Mean Square Error，RMSE）分别为2.70和1.94 cm，与原有GPT3模型相比，精度分别提高了46.9%和61.8%；②利用不参与建模的测试集站点数据对改进模型进行检验，2种算法的改进模型ZTD估值的RMSE分别为2.78和2.28 cm，与原有GPT3模型相比，精度分别提高了46.5%和56.2%。

关键词：

天顶对流层延迟全球导航卫星系统(GNSS)全球气压气温3(GPT3)模型反向传播神经网络(BPNN)径向基函数(RBF)神经网络

刊期：

2026，1（44）

所属栏目：

研究论文

基金资助：

国家重点研发计划项目(2024YFB3909705),中央级公益性科研院所基本科研业务费专项资金资助项目(2025Q10),空间基准全国重点实验室开放基金项目(SKLSD2025-KF-12),国家电网公司总部科技项目(5108-202218280A-2-325-XG)

分类号：

P228.4

DOI：

10.12362/j.issn.1671-6647.20240926001

页数：

页码：

97-110

来源期刊

海洋科学进展

Advances in Marine Science