基于神经网络技术的GPS对流层延迟改正模型研究

摘要

本文结合国家863计划项目“空间数据挖掘的神经网络技术研究”(No.2007AA12Z228)和同济大学“现代工程测量国家测绘局重点实验室”开放基金项目“基于神经网络技术的GPS水汽改正模型研究”(TJES1004)展开研究。
　　 GPS信号穿过大气层时，会受到电离层与对流层的影响。随着GPS卫星定轨精度的提高，对流层延迟成为影响GPS定位精度的主要因素。目前，大多数学者都将对流层时延迟分为干延迟及湿延迟两个分量来进行讨论。本文基于相关的大气知识，针对对流层时延迟中的湿分量部分展开研究，分析传统对流层延迟的理论与方法，提出了一种新的融合模型，用于精确计算对流层湿延迟量。
　　 本文的主要研究内容有:
　　 (1)讨论了目前常用于计算对流层延迟的三种方法，其中最常用的是经验模型法，但是此方法具体到区域时计算精度（特别是湿延迟的精度）不高。本文主要是对经验模型法进行改进，补偿其模型的误差，并根据工程实例进行了验证，效果良好。
　　 (2)详细讨论了大气的基本理论，分析了中纬度地区常用大气参数随海拔高度变化的基本规律，并确定了利用气象探空数据结合标准大气模型来精确求解对流层延迟的主要方法。并以徐州地区对流层延迟的近似真值作为研究的样本，为本文所涉及到几种模型的精度讨论提供了数据支持。
　　 (3)分析了常见的求解对流层延迟的经验模型:霍普菲尔德(Hopfield)模型以及萨斯他莫宁(Saastaoinen)模型;并分析了这两种经验模型的不足及其产生原因;然后文章引入一种BP神经网络算法，利用其强大的模型误差补偿能力改进霍普菲尔德模型，得到一种新的融合模型即:H+BP模型。
　　 (4)最后文章利用第(2)步中所得出的对流层精确值样本，分别讨论了传统模型及融合模型的精度;其中霍普菲尔德模型为±12.0cm、多元线性回模型为±5.0cm、传统BP神经网络模型为±4.9cm、而H+BP融合模型为±1.2cm，较之几种传统模型都有了很大的提高。而且在分析霍普菲尔德模型误差后发现该模型所计算出来的对流层延迟湿分量存在着一个明显的系统误差，为了讨论该系统误差的特征，文章又构造了多元线性回归+BP神经网络融合模型(L+BP模型)来与H+BP模型相比较，并得出了有益的结论。

目录

声明

摘要

第一章 绪论

1．1 本文研究的背景及意义

1．2 国内外研究现状

1．3 本文的主要研究内容及结构

第二章 大气的基本理论及对流层延迟提取

2．1 大气的成分与分层

2．2 常用的气象参数与标准大气

2．3 基于气象探空数据对流层延迟的提取

2．4 本章小结

第三章 对流层延迟计算改进方法研究

3．1 霍普菲尔德模型与萨斯塔莫宁模型

3．2 BP神经网络预测模型的建立

3．3 两种融合模型的建立

3．4 本章小结

第四章 工程实例

4．1 探空数据的分析及对流层延迟的提取

4．2 传统模型算例

4．3 改进融合模型算例

4．4 H+BP模型的预测精度分析

4．5 本章小结

第五章 结论与展望

5．1 本文的主要工作及创新

5．2 研究展望

致谢

参考文献

硕士期间发表的论文