基于神经网络模型误差补偿技术的对流层延迟模型研究

针对传统对流层延迟模型精度较低的缺点,基于神经网络模型误差补偿技术,在Hopfield模型基础上建立一个适用于北半球的高精度融合模型。以Wyoming大学提供的2010年全球120多个观测台站的气象探空数据精密解算的天顶对流层延迟(ZTD)作为近似“真值”,分析比较Hopfield模型、传统BP模型和融合模型的计算精度。结果表明,Hopfield模型的均方根误差（RMSE）为35.31 mm,传统BP模型为30.34 mm,融合模型为23.31 mm。     

约束条件对匈牙利水汽层析的影响分析

水汽的监测,是GNSS应用中一个重要的方向。本文旨在分析不同的约束条件,对匈牙利地区水汽层析的影响。本文根据匈牙利地区的GNSS数据,分别采用4种不同的约束形式,对水汽的三维分布进行了重建实验。实验结果表明,4种约束形式中,水平约束的平均相对误差最小,约为1.9%,并且回归方程的拟合度也最好。因此,得出结论,匈牙利地区水平约束在水汽层析重建中的效果最好,可广泛应用于当地的水汽三维监测。