基于神經網絡技術的GPS對流層延遲改正模型研究.pdf

1、RESEARCHFORGPSDELAYCORRECTIoNMODELBASEDONNEI瓜AI，NETWORKTECHNOLOGYADissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYZhuMingchen—SupervisedbyProfHuWushengSchoolofTransportationSoutheastU

2、niversity摘要摘要本文結合國家863計劃項目“空間數(shù)據挖掘的神經網絡技術研究“(No2007AAl22228)和同濟大學“現(xiàn)代工程測量國家測繪局重點實驗室”開放基金項目“基于神經網絡技術的GPS水汽改正模型研究”(T厄S1004)展開研究。GPS信號穿過大氣層時，會受到電離層與對流層的影響。隨著GPS衛(wèi)星定軌精度的提高，對流層延遲成為影響GPS定位精度的主要因素。目前，大多數(shù)學者都將對流層時延遲分為干延遲及濕延遲兩個分量來進行討

3、論。本文基于相關的大氣知識，針對對流層時延遲中的濕分量部分展開研究，分析傳統(tǒng)對流層延遲的理論與方法，提出了一種新的融合模型，用于精確計算對流層濕延遲量。本文的主要研究內容有：(1)討論了目前常用于計算對流層延遲的三種方法，其中最常用的是經驗模型法，但是此方法具體到區(qū)域時計算精度(特別是濕延遲的精度)不高。本文主要是對經驗模型法進行改進，補償其模型的誤差，并根據工程實例進行了驗證，效果良好。(2)詳細討論了大氣的基本理論，分析了中緯度地區(qū)

4、常用大氣參數(shù)隨海拔高度變化的基本規(guī)律，并確定了利用氣象探空數(shù)據結合標準大氣模型來精確求解對流層延遲的主要方法。并以徐州地區(qū)對流層延遲的近似真值作為研究的樣本，為本文所涉及到幾種模型的精度討論提供了數(shù)據支持。(3)分析了常見的求解對流層延遲的經驗模型：霍普菲爾德(Hopfield)模型以及薩斯他莫寧(Saastamoinen)模型；并分析了這兩種經驗模型的不足及其產生原因：然后文章引入一種BP神經網絡算法，利用其強大的模型誤差補償能力改進

5、霍普菲爾德模型，得到一種新的融合模型即：HBP模型。(4)最后文章利用第(2)步中所得出的對流層精確值樣本，分別討論了傳統(tǒng)模型及融合模型的精度；其中霍普菲爾德模型為12Ocm、多元線性回模型為5Ocm、傳統(tǒng)BP神經網絡模型為49cm、而H吣P融合模型為12cm，較之幾種傳統(tǒng)模型都有了很大的提高。而且在分析霍普菲爾德模型誤差后發(fā)現(xiàn)該模型所計算出來的對流層延遲濕分量存在著一個明顯的系統(tǒng)誤差，為了討論該系統(tǒng)誤差的特征，文章又構造了多元線性回歸