共查询到10条相似文献,搜索用时 15 毫秒
1.
天顶对流层延迟(zenith tropospheric delay,ZTD)是影响GPS定位精度的关键因素,为了提高ZTD的预测精度,提出一种基于相空间重构的高斯过程回归预测模型。针对ZTD时间序列的混沌特性,利用国际GNSS服务(International GNSS Service,IGS)站提供的ZTD数据,采用Cao方法确定嵌入维数,对ZTD数据进行相空间重构,探究高斯过程(Gaussian process,GP)模型对12个位于南、北半球不同纬度等级IGS站的ZTD预测精度和准确性。为了验证GP模型的有效性,将预测结果分别与原始数据和反向传播(back propagation,BP)神经网络模型预测结果作对比分析,进一步探究不同时间对ZTD预测精度的影响,并分析了经度和海拔对ZTD预测精度的影响。结果表明,GP模型预测结果的均方根误差(root mean square error,RMSE)达到mm级,GP模型与理论值的相关性达到0.997,预测精度指标明显优于BP神经网络模型;GP模型在南半球的预测精度高于北半球,且在高纬地区的RMSE小于3.6 mm,更适用于高纬地区的对流层延迟预测;在研究时域内,GP模型在大部分站点对晚上的预测精度高于白天,经度对ZTD预测精度的影响不明显,海拔与ZTD预测精度呈正比。 相似文献
2.
本文基于单层气象数据(ERA5单层数据、实测气象参数)和多层气象数据(ERA5气压层数据、COSMIC掩星数据),分别采取模型法和积分法获取了我国236个陆态网GNSS测站的ZTD值,即ERA5S_ZTD、MET_ZTD、ERA5P_ZTD、RO_ZTD。以GNSS_ZTD为参考,按月评估了上述4种ZTD估计值的精度,结果表明:4种ZTD估计值的月平均RMSE依次为42.8、53.6、16.1和62.3 mm,其中基于积分法估计的ERA5P_ZTD精度最高,采用模型法计算的ERA5S_ZTD和MET_ZTD次之,而利用积分法获取的RO_ZTD值精度较低。为进一步提升利用气象数据估计ZTD值的精度,本文提出了基于RBF神经网络的对流层延迟改进模型。计算结果表明:改进模型获得的4种ZTD值与GNSS_ZTD之间的月RMSE平均值分别为23.5、32.1、14.2和40.8 mm,精度较原有ZTD估计值提升43.4%,36.3%,10.0%和34.4%。整体而言,改进模型估计ZTD值精度提升效果明显,且提升率与测站分布的密集程度有关。 相似文献
3.
对基于PPP水汽反演时站点气象数据(温度、气压)缺失的现象进行了研究,提出一种基于NCEP数据的插值方法。选择4个提供气象文件的IGS站点,将插值方法得到的温度、气压与站点实测数据比较,以实测气象数据反演得到的PWV为真实值,比较不加入气象数据、加入插值气象参数反演得到的PWV与真实值的差异。结果表明,站点插值法得到的气压与真实值差值平均RMS分别为1.39 mbar,插值温度与实测温度差值的平均RMS分别为3.83℃;不加入气象数据反演的PWV与真实值差值平均RMS为2.34 mm,而加入插值气象后,反演PWV与真实值差值平均RMS为0.37 mm,说明插值法可大大提高PWV反演精度,该方法在缺乏实测气象数据时是一种行之有效的补充方式。 相似文献
4.
5.
6.
《武汉大学学报(信息科学版)》2021,(4)
为验证分析最新全球气压气温模型(GPT3模型)在中国区域的模型精度,以中国区域18个IGS站为例,分别利用全球大地测量观测系统(Global Geodetic Observing System, GGOS) Atmosphere机构提供的2015-2017年气象数据和国际卫星导航服务(International GNSS Service,IGS)数据中心提供的2015年对流层延迟数据对GPT3模型气象参数和天顶对流层延迟(zenith troposphere delay,ZTD)进行验证,并联合全球其他GNSS站点共同进行GPT3模型误差特性分析。结果表明,相比GPT和GPT2模型,GPT3模型的精度和稳定性明显提高;GPT3模型在取得与GPT2w模型相近精度的同时,稳定性有所提高。GPT3模型精度受纬度影响显著,气温和气压的精度和稳定性由赤道向两极地区逐渐降低,水汽压精度几乎不受纬度影响,稳定性在中纬度和部分低纬度区域比高纬度地区差。GPT3模型对气象参数估值的偏差在低海拔地区具有随机性,以气压偏差最为明显,随着海拔升高,气压和水汽压偏差逐渐稳定在±2 hPa内,气温偏差在±2℃内。 相似文献
7.
8.
对流层延迟是全球卫星导航系统(GNSS)定位的主要误差源之一,利用再分析数据可以精确估计天顶对流层延迟.基于欧洲中期天气预报中心提供的再分析数据集(ERA-interim),提出了利用再分析数据估计测站天顶对流层延迟(ZTD)的积分方法,并利用2018年全球范围内334个国际GNSS服务测站提供的高精度ZTD作为参考值,评估ERA-interim再分析数据集在全球范围内的精度,并分析其影响精度的主要因素.结果显示,利用再分析数据估计的ZTD平均偏差和平均偏差的均方根值分别为-1.14和14.48 mm,测站纬度是影响ZTD反演精度的主要因素之一. 相似文献
9.
以亚洲地区46个IGS站2008-2011年实测的高精度天顶对流层延迟(ZTD)数据为参考值,通过对2008-2010年EGNOS模型计算ZTD的日均偏差进行频谱分析,建立了亚洲地区EGNOS模型的单站修正模型(SSIEGNOS),对EGNOS和SSIEGNOS模型在亚洲地区的精度和适用情况进行了评估,结果表明:(1)EGNOS模型偏差和RMS在时间分布上呈现明显的季节变化规律,而SSIEGNOS模型偏差和RMS变化较小且平稳;(2)在空间分布上,两种模型的偏差随着经纬度和高程的变化均无明显规律,但随着高程或者纬度的增加RMS总体上都有递减的趋势;(3)SSIEGNOS模型预测ZTD的精度相对于EGNOS模型有明显提高。 相似文献
10.
利用CDDIS提供的6个IGS站点2018年高精度对流层天顶延迟(ZTD)参考值,对利用ERA-Interim资料计算的ZTD值进行了精度评估.结果显示,ERA-Interim资料计算的ZTD与IGS提供的ZTD产品相比误差在cm级,不同纬度的计算ZTD及其偏差有不同的季节特征.IGS ZTD和ERA-Interim ZTD分别用于GNSS单点定位改正,伪距结果显示两者改正偏差的差异在亚毫米级,且结果在各个方向都得到了改善,U方向最明显,能达到0.5 m左右. 相似文献