CN110031877A - 一种基于grnn模型的区域nwp对流层延迟改正方法 - Google Patents

一种基于grnn模型的区域nwp对流层延迟改正方法 Download PDF

Info

Publication number
CN110031877A
CN110031877A CN201910309754.8A CN201910309754A CN110031877A CN 110031877 A CN110031877 A CN 110031877A CN 201910309754 A CN201910309754 A CN 201910309754A CN 110031877 A CN110031877 A CN 110031877A
Authority
CN
China
Prior art keywords
nwp
ztd
residual error
grnn
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910309754.8A
Other languages
English (en)
Other versions
CN110031877B (zh
Inventor
徐莹
闫俐孜
李雷
刘凡
刘国林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201910309754.8A priority Critical patent/CN110031877B/zh
Publication of CN110031877A publication Critical patent/CN110031877A/zh
Application granted granted Critical
Publication of CN110031877B publication Critical patent/CN110031877B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
    • G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/364—Delay profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于GRNN模型的区域NWP对流层延迟改正方法，首先获取作业区域里选取所有连续运行参考站的连续一年的ZTD和该区域NWP提供的连续一年的再分析资料，利用积分法反演该区域上述连续运行参考站的ZTD，然后选取其中一部分站点为训练站点，其余部分站点为测试站点，利用GRNN拟合这些训练站点的NWP资料反演ZTD的残差，得到GRNN残差拟合模型，然后通过GRNN残差拟合模型对测试站点的NWP资料反演的ZTD做误差补偿，即得到测试站点精确的NWP_ZTD。本方法首次根据NWP_ZTD的残差随多种气象因素的变化规律，通过GRNN模型拟合NWP_ZTD的残差对NWP_ZTD做误差补偿，提高NWP反演对流层延迟精度。

Description

一种基于GRNN模型的区域NWP对流层延迟改正方法
技术领域
本发明涉及一种对流层延迟改正方法，尤其是一种基于广义回归神经网络(General Regression Neural Network,简称GRNN)模型的区域数值天气预报(NumericalWeather Prediction,简称NWP)模型对流层延迟改正方法，根据NWP_ZTD的残差随多种气象因素的变化规律，通过GRNN模型来拟合NWP_ZTD的残差，然后对NWP_ZTD做误差补偿，提高NWP反演对流层延迟精度，从而提高精密单点定位(Precise Point Positioning,简称PPP)和长距离基线实时精密动态定位(Real Time Kinematic,简称RTK)的收敛速度和定位精度，属于全球卫星导航与定位技术领域。
背景技术
对流层延迟误差一直是影响高精度全球卫星导航系统(Global NavigationSatellite System,简称GNSS)测量的主要因素，在无线电信号传播过程中，对流层从天顶方向到地平方向对无线电信号的延迟可达2m到20m，严重制约着GNSS精密单点定位和中长距离基线差分定位的模糊度收敛速度和定位精度。
在GNSS数据处理的现有技术中，总结起来有三种方法可用来削弱对流层延迟：1.通过经验模型估计天顶对流层延迟(Zenith Tropospheric Delay,简称ZTD)，但经验模型估计的ZTD的精度差，最大误差可达20cm；2.在数学模型中将ZTD作为参数与其他未知参数(如站点坐标和模糊度)共同求解。然而，对流层延迟与位置强相关，方程需要较强的卫星几何约束和较长时间的观测才能得到稳定解；3.利用数值天气预报模型的再分析或预报资料反演ZTD。
现如今NWP预报资料反演ZTD的残差大概在±6cm上下浮动，平均残差和均方根偏差(Root Mean Square Deviation，简称RMSD)分别在1cm和3cm左右，不能直接用于GNSS精密定位中。在GNSS精密定位解算中，通常将此ZTD作为初值，将ZTD的残差作为未知数，与模糊度、位置等参数共同求解。此时，NWP反演ZTD的精度将直接影响模糊度的收敛速度。要实现实时PPP或长距离RTK，需要提高NWP反演ZTD的精度，即改正NWP反演的ZTD的残差，针对这一问题，目前还未有切实可行的方法。
发明内容
本发明的目的在于，为提高卫星定位精度，对其中一项重要的误差源对流层延迟进行改正，提供了一种基于GRNN模型的区域NWP对流层延迟改正方法，用于解决现有的对流层延迟估计方法精度不足的技术问题。
为了解决背景技术所存在的问题，本发明提出了一种基于GRNN模型的区域NWP对流层延迟改正方法，包括以下步骤：
第一步，参考数据获取。获取作业区域里所有连续运行参考站(ContinuousOperational Reference System，简称CORS)提供的连续一年的高精度ZTD产品，记做IGS_ZTD，并剔除粗差及数据缺失严重的站点，该数据可在各省市的CORS网中心网站获得；
第二步，NWP数据获取。获取NWP模型提供的该区域与第一步同年的连续一年的再分析资料，其中包括气压、温度、相对湿度及位势高度，该数据可从各数值预报资料中心获得；
第三步，NWP_ZTD计算。利用NWP模型的气象资料通过分层积分法反演该区域上述CORS站的ZTD，记做NWP_ZTD。采用分层积分法反演ZTD的计算公式为：
上式中，ZTDgrid代表测站周围格网点(有4个)在测站所在高度上的ZTD值，H_IGS代表测站的高程，H_top代表NWP资料顶层高度，N代表大气折射率(无量纲)，Nn代表第n个积分区域范围内的大气折射率，△Hn代表第n个积分区域的高度。
其中大气折射率N的表达公式如下：
上式中，k1＝77.604K/mbar，k2＝64.79K/mbar，k3＝377600.0K2/mbar，P代表压强，e代表水汽压，单位均为mbar，Ntry代表干性气体的折射率，Nwet代表湿性气体的折射率。计算出测站周围4个格网点在测站所在高度上的ZTD后，通过双线性内插法内插出测站点的ZTD。
第四步，残差计算。以IGS_ZTD作为参考，求出NWP_ZTD的残差；
第五步，模型建立。选取作业区域内均匀分布的部分站点为训练站点，另一部分站点为测试站点，从NWP资料获取训练站点的温度和相对湿度作为模型输入，训练站点的NWP_ZTD的残差为模型输出，采用GRNN模型拟合残差，得到残差拟合模型；
第六步，残差拟合。从NWP资料获取测试站点的温度和相对湿度输入上述GRNN残差拟合模型，拟合出测试站点的NWP_ZTD的残差；
第七步，精确NWP_ZTD获得。测试站点的NWP_ZTD减去GRNN模型拟合出的测试站点的NWP_ZTD的残差，即可得到测试站点精确的NWP_ZTD。
与现有技术相比，本发明的有益效果是：
第一，首次根据测站点的温度和相对湿度通过GRNN模型来拟合NWP_ZTD的残差，然后对NWP_ZTD做误差补偿，提高NWP反演对流层延迟精度。
第二，本发明提出的基于GRNN模型的区域NWP对流层延迟改正方法可以将网络RTK中的参考站作为训练数据进行建模，然后精确估计用户站与因信号遮挡或中断而导致高精度对流层产品缺失的参考站的对流层延迟，从而提高网络RTK的性能。
第三，由于NWP模型可提供覆盖全球的气象数据，所以本方法可估计全球NWP模型覆盖下的任意一点的ZTD，适用范围很广。
附图说明
图1是本发明的工作流程图。
图2是100个训练站点分布图。
图3是550个测试站点分布图。
图4是测试站点采用本发明方法前后的ZTD残差对比图。
图5是测试站点采用本发明方法前后的ZTD残差的RMSD对比图。
说明：图4中(a)和(b)分别为550个测试站点2005年采用本发明方法改正前后的2005年ZTD残差，这里的平均残差计算方法是测站一年的残差取绝对值再平均；图5中(a)和(b)分别为550个测试站点采用本发明方法改正前后的ZTD残差的RMSD。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
为证明基于GRNN模型的区域NWP对流层延迟改正方法的有效性，下面选取日本地区650个测站2005年连续一年的采样率为2小时的NCAR对流层数据，以及测站区域相应的欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts,简称ECMWF)再分析资料中ERA-Interim产品的分层气象数据，其平面分辨率为0.125°×0.125°，垂直分辨率为37层(顶层高度约为47km)，时间分辨率为6小时。日本区域的矩形面积约300万平方公里，实验区域范围为32°N～40°N，130°E～142°E。从650个测站中选取100个测站的数据为GRNN训练数据，其余550个测站的数据为GRNN测试数据。训练测站分布如图2所示，测试测站分布如图3所示。
第一步，参考数据获取。获取日本地区近1000个测站2005年连续一年的采样率为2小时的高精度NCAR对流层数据，记做IGS_ZTD，剔除粗差及及数据缺失严重的站点后，选取650个可用站点。
第二步，NWP数据获取。在欧洲中尺度天气预报中心(ECMWF)再分析资料中ERA-Interim产品中，获取平面分辨率为0.125°×0.125°、垂直分辨率为37层、时间分辨率为6小时的上述650个测站2005年连续一年的分层气象数据，气象参数包括气压、温度、相对湿度及位势高度。
第三步，NWP_ZTD计算。利用积分法反演650个测站区域气象数据得到650个测站2005年的ZTD，记做NWP_ZTD。采用分层积分法反演ZTD的计算公式为：
上式中，ZTDgrid代表测站周围格网点(有4个)在测站所在高度上的ZTD值，H_IGS代表C测站的高程，H_top代表NWP资料顶层高度，N代表大气折射率(无量纲)，Nn代表第n个积分区域范围内的大气折射率，△Hn代表第n个积分区域的高度。
其中大气折射率N的表达公式如下：
上式中，k1＝77.604K/mbar，k2＝64.79K/mbar，k3＝377600.0K2/mbar，P代表压强，e代表水汽压，单位均为mbar，Ntry代表干性气体的折射率，Nwet代表湿性气体的折射率。计算出测站周围4个格网点在测站所在高度上的ZTD后，通过双线性内插法内插出测站点的ZTD。
第四步，残差计算。以IGS_ZTD作为参考，求出650个测站2005年一年的NWP_ZTD的残差；
第五步，模型建立。选取作业区域内均匀分布的100个站点为训练站点，另550个站点为测试站点，从NWP资料获取训练站点的温度和相对湿度作为模型输入，训练站点的NWP_ZTD的残差为模型输出，采用GRNN模型拟合残差，得到残差拟合模型；
第六步，残差拟合。从NWP资料获取测试站点的温度和相对湿度输入上述GRNN残差拟合模型，拟合出测试站点的NWP_ZTD的残差；
第七步，精确NWP_ZTD获得。测试站点的NWP_ZTD减去GRNN模型拟合出的测试站点的NWP_ZTD的残差，即可得到测试站点精确的NWP_ZTD。550个测试站点采用上述方法前后的ZTD平均残差以及RMSD分别如图4和图5所示，其中图(a)对应的是采用GRNN模型误差补偿前标准NWP反演的结果，图(b)对应的采用GRNN模型误差补偿后的结果，残差计算始终是以高精度IGS_ZTD为参考的。从图3和图4中可看出，采用本发明方法后的ZTD反演精度明显提高。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (2)

1.一种基于GRNN模型的区域NWP对流层延迟改正方法，其特征在于，包含以下具体步骤：
第一步，参考数据获取。获取作业区域里所有CORS站提供的连续一年的高精度ZTD产品，记做IGS_ZTD，并剔除粗差及数据缺失严重的站点，该数据可在各省市的CORS网中心网站获得；
第二步，NWP数据获取。获取NWP模型提供的该区域与第一步同年的连续一年的再分析资料，其中包括气压、温度、相对湿度及位势高度，该数据可从各数值预报资料中心获得；
第三步，NWP_ZTD计算。利用NWP模型的气象资料通过分层积分法反演该区域上述CORS站的ZTD，记做NWP_ZTD。采用分层积分法反演ZTD的计算公式为：
上式中，ZTDgrid代表测站周围格网点在测站所在高度上的ZTD值，H_IGS代表C测站的高程，H_top代表NWP资料顶层高度，N代表大气折射率，Nn代表第n个积分区域范围内的大气折射率，△Hn代表第n个积分区域的高度；
其中大气折射率N的表达公式如下：
上式中，k1＝77.604K/mbar，k2＝64.79K/mbar，k3＝377600.0K2/mbar，P代表压强，e代表水汽压，单位均为mbar，Ntry代表干性气体的折射率，Nwet代表湿性气体的折射率；计算出测站周围格网点在测站所在高度上的ZTD后，通过双线性内插法内插出测站点的ZTD。
第四步，残差计算；以IGS_ZTD作为参考，求出NWP_ZTD的残差；
第五步，模型建立；选取作业区域内均匀分布的部分站点为训练站点，另一部分站点为测试站点，从NWP资料获取训练站点的温度和相对湿度作为模型输入，训练站点的NWP_ZTD的残差为模型输出，采用GRNN模型拟合残差，得到残差拟合模型；
第六步，残差拟合；从NWP资料获取测试站点的温度和相对湿度输入上述GRNN残差拟合模型，拟合出测试站点的NWP_ZTD的残差；
第七步，精确NWP_ZTD获得；测试站点的NWP_ZTD减去GRNN模型拟合出的测试站点的NWP_ZTD的残差，即可得到测试站点精确的NWP_ZTD。
2.根据权利要求1所述的一种基于GRNN模型的区域NWP对流层延迟改正方法，其特征在于，所述的第三步中测站周围格网点的数量为4个。
CN201910309754.8A 2019-04-17 2019-04-17 一种基于grnn模型的区域nwp对流层延迟改正方法 Active CN110031877B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910309754.8A CN110031877B (zh) 2019-04-17 2019-04-17 一种基于grnn模型的区域nwp对流层延迟改正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910309754.8A CN110031877B (zh) 2019-04-17 2019-04-17 一种基于grnn模型的区域nwp对流层延迟改正方法

Publications (2)

Publication Number Publication Date
CN110031877A true CN110031877A (zh) 2019-07-19
CN110031877B CN110031877B (zh) 2020-05-26

Family

ID=67239000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910309754.8A Active CN110031877B (zh) 2019-04-17 2019-04-17 一种基于grnn模型的区域nwp对流层延迟改正方法

Country Status (1)

Country Link
CN (1) CN110031877B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382507A (zh) * 2020-03-04 2020-07-07 山东大学 一种基于深度学习的全球对流层延迟建模方法
CN111538943A (zh) * 2020-04-24 2020-08-14 桂林理工大学 新的高时空分辨率全球ztd垂直剖面格网模型构建方法
CN112034490A (zh) * 2020-10-10 2020-12-04 山东科技大学 一种nwp反演对流层延迟改进方法
CN113536657A (zh) * 2021-05-06 2021-10-22 北京邮电大学 基于机器学习的海洋大气折射率预测方法
CN113960635A (zh) * 2021-10-25 2022-01-21 山东科技大学 一种顾及日变化的对流层延迟改正方法
CN114019585A (zh) * 2021-10-11 2022-02-08 武汉大学 一种大高差地区高精度定位cors网fkp解算方法
CN114297939A (zh) * 2021-12-31 2022-04-08 山东大学 适用于南极地区的对流层延迟预测方法及系统
CN116626730A (zh) * 2023-07-24 2023-08-22 山东科技大学 一种顾及nwp的海上区域cors增强ppp方法
CN117992706A (zh) * 2024-04-07 2024-05-07 武汉大学 面向实时对流层天顶延迟的点面转换方法及系统
CN114019585B (zh) * 2021-10-11 2024-06-11 武汉大学 一种大高差地区高精度定位cors网fkp解算方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682335A (zh) * 2012-04-13 2012-09-19 东南大学 精确确定区域对流层延迟的神经网络方法
CN103558609A (zh) * 2013-11-08 2014-02-05 中国科学院测量与地球物理研究所 全球卫星导航系统对流层天顶延迟修正的方法
CN105182366A (zh) * 2015-09-02 2015-12-23 东南大学 一种基于实测气象参数的对流层天顶延迟改正方法
CN105629263A (zh) * 2015-12-21 2016-06-01 广州中海达卫星导航技术股份有限公司 一种对流层大气延迟误差估计改正方法和改正系统
EP3130943A1 (en) * 2015-08-14 2017-02-15 Trimble Inc. Navigation satellite system positioning involving the generation of tropospheric correction information
CN106407560A (zh) * 2016-09-19 2017-02-15 武汉大学 表征大气各向异性的对流层映射函数模型的构建方法
CN106814373A (zh) * 2017-01-22 2017-06-09 武汉大学 大气加权平均温度估算及对流层延迟积分方法
CN107315884A (zh) * 2017-07-04 2017-11-03 北京首钢自动化信息技术有限公司 一种基于线性回归的建筑能耗建模方法
CN109001382A (zh) * 2018-09-20 2018-12-14 武汉大学 一种基于cors的区域大气水汽实时监测方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682335A (zh) * 2012-04-13 2012-09-19 东南大学 精确确定区域对流层延迟的神经网络方法
CN103558609A (zh) * 2013-11-08 2014-02-05 中国科学院测量与地球物理研究所 全球卫星导航系统对流层天顶延迟修正的方法
EP3130943A1 (en) * 2015-08-14 2017-02-15 Trimble Inc. Navigation satellite system positioning involving the generation of tropospheric correction information
CN105182366A (zh) * 2015-09-02 2015-12-23 东南大学 一种基于实测气象参数的对流层天顶延迟改正方法
CN105629263A (zh) * 2015-12-21 2016-06-01 广州中海达卫星导航技术股份有限公司 一种对流层大气延迟误差估计改正方法和改正系统
CN106407560A (zh) * 2016-09-19 2017-02-15 武汉大学 表征大气各向异性的对流层映射函数模型的构建方法
CN106814373A (zh) * 2017-01-22 2017-06-09 武汉大学 大气加权平均温度估算及对流层延迟积分方法
CN107315884A (zh) * 2017-07-04 2017-11-03 北京首钢自动化信息技术有限公司 一种基于线性回归的建筑能耗建模方法
CN109001382A (zh) * 2018-09-20 2018-12-14 武汉大学 一种基于cors的区域大气水汽实时监测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HASSAN E. IBRAHIM ET AL.: "Assessment and implementation of NOAA NWP-based tropospheric correction model", 《2009 IEEE TORONTO INTERNATIONAL CONFERENCE SCIENCE AND TECHNOLOGY FOR HUMANITY (TIC-STH)》 *
范国清 等: "基于广义回归神经网络的电离层VTEC建模", 《测绘学报》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382507A (zh) * 2020-03-04 2020-07-07 山东大学 一种基于深度学习的全球对流层延迟建模方法
CN111538943A (zh) * 2020-04-24 2020-08-14 桂林理工大学 新的高时空分辨率全球ztd垂直剖面格网模型构建方法
CN111538943B (zh) * 2020-04-24 2021-05-18 桂林理工大学 新的高时空分辨率全球ztd垂直剖面格网模型构建方法
CN112034490A (zh) * 2020-10-10 2020-12-04 山东科技大学 一种nwp反演对流层延迟改进方法
CN113536657A (zh) * 2021-05-06 2021-10-22 北京邮电大学 基于机器学习的海洋大气折射率预测方法
CN114019585A (zh) * 2021-10-11 2022-02-08 武汉大学 一种大高差地区高精度定位cors网fkp解算方法
CN114019585B (zh) * 2021-10-11 2024-06-11 武汉大学 一种大高差地区高精度定位cors网fkp解算方法
CN113960635A (zh) * 2021-10-25 2022-01-21 山东科技大学 一种顾及日变化的对流层延迟改正方法
CN113960635B (zh) * 2021-10-25 2024-04-30 山东科技大学 一种顾及日变化的对流层延迟改正方法
CN114297939A (zh) * 2021-12-31 2022-04-08 山东大学 适用于南极地区的对流层延迟预测方法及系统
CN116626730A (zh) * 2023-07-24 2023-08-22 山东科技大学 一种顾及nwp的海上区域cors增强ppp方法
CN116626730B (zh) * 2023-07-24 2023-10-10 山东科技大学 一种顾及nwp的海上区域cors增强ppp方法
CN117992706A (zh) * 2024-04-07 2024-05-07 武汉大学 面向实时对流层天顶延迟的点面转换方法及系统
CN117992706B (zh) * 2024-04-07 2024-06-11 武汉大学 面向实时对流层天顶延迟的点面转换方法及系统

Also Published As

Publication number Publication date
CN110031877B (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN110031877A (zh) 一种基于grnn模型的区域nwp对流层延迟改正方法
Yao et al. Improved one/multi-parameter models that consider seasonal and geographic variations for estimating weighted mean temperature in ground-based GPS meteorology
CN109543353B (zh) 三维水汽反演方法、装置、设备和计算机可读存储介质
CN105629263B (zh) 一种对流层大气延迟误差估计改正方法和改正系统
Chen et al. A comprehensive evaluation and analysis of the performance of multiple tropospheric models in China region
CN106776481A (zh) 一种作用于卫星降水数据的降尺度校正方法
Wilgan et al. Multi-observation meteorological and GNSS data comparison with Numerical Weather Prediction model
CN109917424A (zh) 多因子约束下的nwp反演对流层延迟的残差改正方法
Liu et al. An analysis of GPT2/GPT2w+ Saastamoinen models for estimating zenith tropospheric delay over Asian area
CN108680268B (zh) 一种基于探空数据的区域加权平均温度的Bevis模型改进方法
CN111382507B (zh) 一种基于深度学习的全球对流层延迟建模方法
Zhao et al. High-precision ZTD model of altitude-related correction
CN106022470B (zh) 一种基于bp-egnos融合模型的对流层延迟改正方法
CN112034490B (zh) 一种nwp反演对流层延迟改进方法
CN104007479A (zh) 一种基于多尺度剖分的电离层层析技术和电离层延迟改正方法
CN109145344A (zh) 一种基于探空数据的经验ztd模型改进方法
Yun et al. Mitigating atmospheric effects in InSAR measurements through high-resolution data assimilation and numerical simulations with a weather prediction model
CN113639893B (zh) 一种基于多气象因子的近地加权平均温度信息获取方法
CN113960635B (zh) 一种顾及日变化的对流层延迟改正方法
CN109241212B (zh) 基于中尺度数值大气模式与高分辨率历史降雨反演方法
CN105785407A (zh) 一种适用于中国地区的无气象参数对流层延迟改正方法
Xia et al. Establishing a high-precision real-time ZTD model of China with GPS and ERA5 historical data and its application in PPP
CN113009531A (zh) 一种小尺度高精度的低空对流层大气折射率模型
Yao et al. A global empirical model for mapping zenith wet delays onto precipitable water vapor using GGOS Atmosphere data
Wei et al. Application of a simultaneous iterations reconstruction technique for a 3-D water vapor tomography system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant