一种基于深度学习的全球对流层延迟建模方法

摘要

本发明涉及焊接技术领域，具体涉及一种基于深度学习的全球对流层延迟建模方法，包括以下步骤：步骤S1、水汽递减因子和加权平均温度生成；步骤S2、建立深度学习对流层大气延迟气象参数模型；步骤S3、生成对流层延迟计算需要的气象参数；步骤S4、天顶对流层延迟的生成；同时对压缩机壳体进行自动定位并锁紧，能确保压缩机壳体上焊接位置一致性；本发明用ERA5提供的最新数据源精度较高，时间分辨率可达到一小时，采用深度学习的方法，可以获得高精度的小时对流层延迟值，为高精度定位事后解算和实时PPP解算提供可靠先验值，可以提高事后定位解算的精度和实时PPP的解算精度，缩短实时PPP的收敛时间。