《基於模型誤差補償技術的對流層延遲建模與套用研究》是依託東南大學，由胡伍生擔任項目負責人的面上項目。
基本介紹
- 中文名：基於模型誤差補償技術的對流層延遲建模與套用研究
- 項目類別：面上項目
- 項目負責人：胡伍生
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
本申請項目的關鍵技術為基於神經網路的模型誤差補償技術。研究目標是，基於模型誤差補償技術，建立兩類高精度的對流層天頂延遲（ZTD）改正模型：實測地表氣象參數的ZTD模型ISAAS模型和無實測氣象參數的ZTD模型IEGNOS模型。項目研究成果將為航天活動、通訊、導航和我國北斗二代導航系統建設作出積極貢獻。.具體研究內容：（1）改進申請人創新的神經網路H-BP算法，提出基於神經網路的模型誤差補償方法。（2）ZTD建模近似“真值”數據的獲取。基於高空探測氣球觀測數據，或基於GNSS觀測數據，提取高精度ZTD。（3）ZTD建模參數的選取。（4）利用模型誤差補償技術對Saastamoinen模型進行改進，建立ISAAS模型。（5）利用模型誤差補償技術對EGNOS模型進行改進，建立IEGNOS模型。（6）ZTD模型套用。將兩類ZTD模型套用於精密單點定位（PPP）和數值天氣預報（NWP）。
結題摘要
課題組提出了基於神經網路H-BP算法的模型誤差補償方法。結合一個工程實例，經過新方法補償後的模型，其模型中誤差大約是原模型中誤差的20%（備註，補償了原模型誤差的80%），補償效果顯著，遠優於傳統的模型誤差補償方法（如最小二乘配置法、半參數估計法等）。課題組又將該算法套用於幾十個工程實例，均取得了滿意的結果，進一步佐證了該方法的有效性。該方法在解決“模型誤差補償”這個國際測繪難題方面取得了較大突破。模型誤差補償技術具有非常高的學術價值，套用領域廣泛，可套用於各種建模研究，實現模型最佳化。在大數據分析和空間數據挖掘等方面具有廣闊的套用前景。課題組提出了基於模型誤差補償技術的對流層延遲改正的融合模型。課題組利用傳統的對流層Saastamoinen模型（SAAS模型）、融合模型（ISAAS模型）分別進行區域對流層延遲進行計算。研究發現，在中國地區的4個IGS站上，SAAS模型平均中誤差為±4.9cm，ISAAS模型平均中誤差為±2.5cm（模型精度提高約48%）。在高海拔地區的lhaz站，SAAS模型中誤差為±4.8cm，ISAAS模型中誤差為±1.0cm（模型精度提高約78%）。該成果有益於幫助人類充分認識和掌握對流層活動規律，有益於幫助提高GNSS的定位精度等；將該成果套用於北斗系統，將為提高北斗系統精度做出積極貢獻。課題組提出了加權平均溫度的改進模型。考慮加權平均溫度的地理分布規律和年周期變化，在Bevis模型的基礎上增加周期項、經度、緯度和高程修正項，建立非線性方程。用最小二乘法確定非線性方程的各項係數，確定最終改進模型方程並驗證其精度，有效提高了計算精度。利用本項成果，可為氣象研究提供良好的資料；在降水預報等領域，有重要套用價值。
