一种基于机器学习算法的区域/单站ZTD组合预测模型

作者：杨旭; 何祥祥^*; 王媛媛; 谭福临; 陈雄川

来源：全球定位系统, 2022, 47(01): 98-126.

• 区域对流层延迟建模
• BP神经网络
• 长短期记忆网络(LSTM)
• 连续运行参考站(CORS)
• 组合模型

针对天顶对流层总延迟(ZTD)具有一定的时空变化特性，提出了一种基于BP神经网络、长短期记忆网络(LSTM)算法的区域/单站ZTD组合预测模型.以连续14天香港连续运行参考站(CORS)网络18个监测站观测数据为例，利用BP神经网络、LSTM及本文算法进行了区域、单站及二者组合ZTD预测模型研究. HKWS测站的预测结果表明：利用前13天数据预报第14天数据，区域、单站、组合模型ZTD预测的均方根误差（RMSE）分别为10.2 mm、10.4 mm、8.5 mm，组合模型相对于区域、单站模型预测精度分别提升了17.2%、18.4%.

• 单位
  安徽理工大学