导读:本文包含了天顶延迟模型论文开题报告文献综述及选题提纲参考文献，主要关键词:对流层延迟,小波变换,自回归模型,预测精度
天顶延迟模型论文文献综述
李伟捷,刘根友[1]（2019）在《小波自回归模型在天顶对流层延迟预测中的应用》一文中研究指出为了提高无气象条件下对流层延迟预测的精度,提出一种基于小波及自回归方法(WAMIX)的预测模型:选用IGS站天顶对流层延迟产品建模;经谐波函数提取长周期项后,对其残差序列进行小波分析,分解成低频信号和高频噪声分量;然后对低频信号建立自回归模型,并联合谐波拟合及AR模型实现对流层的预测;最后以7个IGS站的ZTD为真值,对比分析WAMIX、GPT2w和IGGtrop_SH 3种模型30 d的预测精度。实验结果表明,WAMIX比另外2种模型的预测精度更高。(本文来源于《导航定位学报》期刊2019年02期）
陈阳[2]（2019）在《对流层天顶延迟改正模型研究及应用》一文中研究指出随着全球卫星导航系统(GNSS,Global Navigation Satellite System)飞速发展,其在精密单点定位(PPP,Precise Point Position)及GNSS气象学等领域都取得了丰硕成果。卫星信号经过大气层时,受到非色散介质的影响产生的延迟即为对流层延迟。长期以来,对流层延迟始终是影响GNSS导航定位和精密单点定位效果的重要因素。因此研究对流层延迟对于提高GNSS导航精度和PPP定位效果具有重大意义。对流层延迟改正方法较多,包括参数估计法、外部修正法、差分法及模型改正法。模型改正法凭借其廉价性和便利性,得到了广泛应用,但同时也存在模型精度较低的缺陷。随着神经网络技术、遗传算法和数据同化技术的飞速发展,这些技术在多个领域呈现出诸多优势。因其他方向的对流层延迟均可由天顶方向的对流层延迟解算获取,故主要将上述技术用于对流层天顶延迟(ZTD,Zenith Tropospheric Delay)的研究。具体研究内容及成果如下:(1)介绍了大气基本结构及影响大气折射的气象参数,如气压、温度、相对湿度及水气压等。在分析对流层延迟随时间变化的基础上,总结了ZTD的时间序列变化规律。(2)在Hopfield模型基础上,利用误差补偿技术建立了具有较高精度的对流层延迟融合模型(BP-Hopfield模型)。通过美国怀俄明大学提供的2010年全球120多个测站的气象探空数据进行验证。结果表明,Hopfield模型的平均精度为±35.3mm,融合模型(BP-Hopfield模型)的平均精度为±23.5mm。融合模型(BP-Hopfield模型)的精度相比Hopfield模型提高约33%。(3)基于EGNOS模型,利用遗传算法与BP神经网络建立了一个高精度的对流层延迟融合模型(GA-BP-EGNOS模型)。利用IGS中心提供的2011-2014年北美洲20个测站的ZTD数据验证,结果表明融合模型(GA-BP-EGNOS模型)的平均精度为±34.4mm,EGNOS模型的平均精度为±80.4mm。相比EGNOS模型,融合模型(GA-BP-EGNOS模型)的精度提高约58%。(4)针对UNB3m模型存在气象数据质量低、数据周期性考虑不全等缺陷,通过数据同化技术,在UNB3m模型基础上同化ERA-Interim大气再分析数据,建立了一个高精度的融合模型(ERA-UNB3m模型)。利用IGS中心提供的2016年欧洲区域40个测站的ZTD数据进行多维度验证,结果表明,融合模型的平均精度为±31.4mm,UNB3m模型的平均精度为±46.3mm。结果表明融合模型(ERA-UNB3m模型)的精度较UNB3m模型提高约31%。(5)通过精密单点定位验证工作,发现ZTD模型精度越高,其定位效果越好。参数估计法比ZTD模型的定位效果稍好一些。对于XYZ叁个方向的误差,Z方向比X、Y方向误差较大。对于NEU叁个方向的误差,U方向误差最大。(本文来源于《东南大学》期刊2019-03-01）
杜晓燕,乔江,卫佩佩[3]（2019）在《一种用于中国地区的对流层天顶延迟实时修正模型》一文中研究指出针对目前对流层延迟修正受限于探空数据不足导致修正效率低的问题,该文结合Saastamoinen和GPT2w模型构建形成组合模型Sa+GPT2w模型,通过利用GPT2w模型提供的高精度气象数据,实现中国地区对流层天顶延迟(ZTD)的实时修正,克服对探空数据的依赖,并用实测数据对计算结果进行验证。以IGS提供的中国地区2015至2017年ZTD时间序列为评估标准时,Sa+GPT2w模型(bias:1.661 cm, RMS:4.711 cm)的精度较同等条件下的Sa+EGNOS, Sa+UNB3m和Hop+GPT2w模型分别提升50.5%, 41.9%和37.1%;以GGOS Atmo-sphere 2017年ZTD数据为标准时,Sa+GPT2w模型(bias:1.551 cm, RMS:4.859 cm)的精度相对同等条件下的另3种模型分别提升49.5%, 38.5%和46.8%;最后对Sa+EGNOS, Sa+UNB3m和Sa+GPT2w模型在ZTD修正中误差结果的时空分布特征进行分析。研究结果可为在中国地区的导航定位、大气折射研究中,应用不同气象参数模型进行ZTD修正的有效性和可能达到的精度提供参考。(本文来源于《电子与信息学报》期刊2019年01期）
许妙强,余学祥,邓健[4]（2018）在《基于BP神经网络模型的多系统网络RTK天顶对流层延迟的精度分析》一文中研究指出为了提高对流层延迟的计算精度,结合BP神经网络算法的自主学习、记忆、计算和智能处理功能,以BP神经网络模型作为研究对象,首先将对流层假想为一个无限薄的单层膜并建立长基线网络RTK天顶对流层的BP神经网络模型,然后将穿刺点和对应的天顶对流层作为输入量,通过建立的BP神经网络预测出参考站对应的天顶对流层,最后比较分析BP神经网络对天顶对流层延迟的估计精度。以河南省CORS网和江苏省CORS网数据为例的试验结果表明:BP神经网络对于多系统(GPS、GLONASS、BDS)的天顶对流层延迟预测都取得了很好的预测效果。总体上,约86%的预测值与实际值之间的偏差在1 cm以内;约9%的预测值与实际值之间的偏差在2 cm以内;约5%的预测值与实际值之间的偏差在3 cm以内。(本文来源于《卫星导航定位与北斗系统应用2018——深化北斗应用 促进产业发展》期刊2018-08-01）
罗宇,罗林艳,范嘉智,段思汝[5]（2018）在《天顶静力延迟模型对GPS可降水量反演的影响分析及改进》一文中研究指出利用地基GPS遥感大气可降水量(PWV,precipitable water vapor)过程中,天顶静力延迟(ZHD,zenith hydrostatic delay)模型精度直接影响PWV反演精度。文中将常用天顶静力延迟模型(Black模型、Hopfield模型和Saastamoinen模型)计算所得ZHD与基于湖南省2016-04-01—2017-03-31高空气象探测秒级数据计算所得探空ZHD进行对比,发现模型存在较明显系统偏差,其中Black模型ZHD平均偏低40mm以上。利用探空实测ZHD对天顶静力延迟模型进行回归建模,订正模型系数后可明显减小模型系统偏差和均方误差。改进后的ZHD模型可明显减小GPSPWV反演的系统偏差,并略微降低均方误差,其中采用改进后SA模型反演所得GPSPWV与探空PWV相比,平均偏低不超过0.230 7mm,反演准确性有较显着改善。(本文来源于《测绘工程》期刊2018年08期）
王术正,郭承军[6]（2018）在《天顶对流层干延迟模型高度角与高程适用性分析》一文中研究指出天顶对流层延迟(ZTD)的经典模型,主要指Hopfield模型、Saastamoinen模型、Black模型。本文从卫星高度角、测站高程两个方面入手,先基于叁大模型的理论公式进行推导,分析发现最佳高度角为32.7-42.4度之间。为了验证此结果,选取分布在中国大陆4个不同地区的4个IGS测站作为研究对象,即北京地区BJFS站,湖北地区WUHN站,西藏地区LHAZ站,以及新疆地区GUAO站这四个测站的卫星观测数据来进行验证。仿真分析结果表明,叁种模型在高程低于800m时精度相近,高于800m时Hopfield模型最差;叁种模型在高度角大于35°时精度相近,在低于35°时Black模型最好。(本文来源于《第九届中国卫星导航学术年会论文集——S01 卫星导航应用技术》期刊2018-05-23）
张卿川,李斐,张胜凯,雷锦韬,李文浩[7]（2018）在《不同对流层天顶延迟模型在南极半岛地区适用性分析》一文中研究指出对流层延迟是全球卫星导航系统(Global Navigation Satellite System,GNSS)的主要误差源之一,对测站坐标解算及GNSS气象学等有重要影响。选取UNB3m、GPT2+Saastamoinen、GPT2w+Saastamoinen、GPT2+Hopfield、GPT2w+Hopfield共5种对流层延迟模型,对其在南极半岛地区的适用性进行分析。结果表明,GPT2w+Saastamoinen模型(BIAS:1.05cm;RMS:3.16cm)表现最好,而UNB3m模型(BIAS:8.51cm;RMS:9.24cm)估计天顶对流层延迟ZTD精度最低;在四种组合模型中,使用全球气压温度模型GPT2或GPT2w作为气象参数输入差异不大。在天顶静力学延迟ZHD的精度检验中,5种模型表现与ZTD检验结果一致。此外UNB3m模型精度随季节发生明显变化,为夏季低冬季高,其余4种组合模型变化相对较小。GPT2+Hopfield模型和GPT2w+Hopfield模型对高程变化最为敏感,当测站高度由65m变为1047m时,该两种组合模型的精度下降明显,而其他4种模型变化相对平缓。不过在南极半岛地区GPT2w+Saastamoinen模型精度虽然最优,但与GPT2+Saastamoinen模型相比其实差异不大,而且在进行大规模计算时使用GPT2+Saastamoinen模型还可在一定程度上提高计算效率,节约时间。(本文来源于《第九届中国卫星导航学术年会论文集——S05 精密定位技术》期刊2018-05-23）
郭敏,张捍卫[8]（2018）在《傅里叶函数结合GM(1,1)模型在天顶对流层延迟时间序列数据处理中的应用》一文中研究指出天顶对流层延迟(ZTD)是全球导航卫星系统(GNSS)的重要参数之一.也是影响气象的重要元素.但是目前IGS站提供的ZTD产品是滞后的,滞后时间一般大于3h.为解决ZTD产品的实时性,本文提出了利用傅里叶二阶函数与等维新信息GM(1,1)模型相结合的方法来预测ZTD产品.以BJFS测站为例,利用其2014—2016年期间的高精度日均ZTD产品,对其进行傅里叶二阶函数拟合之后,可得到具有明显周期性变化趋势的ZTD时间序列.在此基础上利用等维新信息GM(1,1)模型可预测最近几天的ZTD时序值.数据处理结果表明预测值与ZTD产品之间的平均偏差的绝对值是0.4 mm,这说明等维新信息GM(1,1)模型处理效果良好,对目前气象的实时性,有一定的参考价值.当然对于ZTD的预测有很多种方法,每种方法都可能取得一定的成功,精确预测ZTD的方法仍需探求.(本文来源于《地球物理学进展》期刊2018年06期）
赵静旸,时爽爽[9]（2018）在《对流层天顶延迟模型研究进展及其在中国区域的精度分析》一文中研究指出对流层延迟是空间大地测量技术的主要误差源之一,数据处理中对流层延迟的修正需要借助对流层延迟模型.本文首先从物理原理出发,梳理了对流层天顶延迟模型的研究历程和最新进展.按照时间顺序,对流层延迟模型先后经历了依赖实测气象资料的经典模型、不依赖实测参数的经验模型和以数值模型气象资料为基础的高分辨经验模型叁个发展阶段.其次,本文利用中国区域内219个GPS测站2014—2015年两年实测的天顶延迟,对后两类经验模型中国际最新通用的代表模型UNB3m和GPT2w在中国境内的实际精度进行评估.精度评估结果显示:UNB3m模型在中国地区的平均Bias为-0.85 cm,平均RMSE为5.14 cm,其精度不随计算时间分辨率的变化而显着变化;模型参数的空间分辨率对GPT2w模型在中国地区的精度的影响不大,但GPT2w模型精度随计算时间分辨率的提高显着下降,2 h分辨率时GPT2w模型的平均RMSE分别为8.07 cm(1°参数文件)和7.97 cm(5°参数文件),1天分辨率时GPT2w模型的平均RMSE分别为3.49 cm(1°参数文件)和3.59 cm(5°参数文件);受水汽分布的影响,时间上,两个模型在冬季的精度相对最高,在夏季的精度相对最差,空间上,两个模型在高纬度和高海拔地区的精度相对较高.以上分析可为中国区域用户对流层延迟模型的选择提供参考.(本文来源于《地球物理学进展》期刊2018年01期）
赵祥伟,陈正宇[10]（2018）在《全球天顶对流层延迟模型新修正方法》一文中研究指出针对对流层延迟误差与信号频率无关且具有较强的随机性的性质,该文以GGOS Atmosphere发布的格网数据作为真值,依据现有模型的全球残差分析了不同全球天顶对流层延迟模型的时空特征,并将中误差和平均相对误差作为评价指标,在空间维对全球进行分区。以Saastamoinen作为基础模型,构建新的修正模型,在各分区内拟合新模型系数。验证结果显示:相比于Saastamoinen模型,新模型在南半球高纬地区模型计算残差平均值由0.8m降到了0.5m以下,在(0.0~0.2)绝对小误差区间的误差分布比例提升了3%左右,且模型的稳定性得到了保证。(本文来源于《测绘科学》期刊2018年05期）
天顶延迟模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着全球卫星导航系统(GNSS,Global Navigation Satellite System)飞速发展,其在精密单点定位(PPP,Precise Point Position)及GNSS气象学等领域都取得了丰硕成果。卫星信号经过大气层时,受到非色散介质的影响产生的延迟即为对流层延迟。长期以来,对流层延迟始终是影响GNSS导航定位和精密单点定位效果的重要因素。因此研究对流层延迟对于提高GNSS导航精度和PPP定位效果具有重大意义。对流层延迟改正方法较多,包括参数估计法、外部修正法、差分法及模型改正法。模型改正法凭借其廉价性和便利性,得到了广泛应用,但同时也存在模型精度较低的缺陷。随着神经网络技术、遗传算法和数据同化技术的飞速发展,这些技术在多个领域呈现出诸多优势。因其他方向的对流层延迟均可由天顶方向的对流层延迟解算获取,故主要将上述技术用于对流层天顶延迟(ZTD,Zenith Tropospheric Delay)的研究。具体研究内容及成果如下:(1)介绍了大气基本结构及影响大气折射的气象参数,如气压、温度、相对湿度及水气压等。在分析对流层延迟随时间变化的基础上,总结了ZTD的时间序列变化规律。(2)在Hopfield模型基础上,利用误差补偿技术建立了具有较高精度的对流层延迟融合模型(BP-Hopfield模型)。通过美国怀俄明大学提供的2010年全球120多个测站的气象探空数据进行验证。结果表明,Hopfield模型的平均精度为±35.3mm,融合模型(BP-Hopfield模型)的平均精度为±23.5mm。融合模型(BP-Hopfield模型)的精度相比Hopfield模型提高约33%。(3)基于EGNOS模型,利用遗传算法与BP神经网络建立了一个高精度的对流层延迟融合模型(GA-BP-EGNOS模型)。利用IGS中心提供的2011-2014年北美洲20个测站的ZTD数据验证,结果表明融合模型(GA-BP-EGNOS模型)的平均精度为±34.4mm,EGNOS模型的平均精度为±80.4mm。相比EGNOS模型,融合模型(GA-BP-EGNOS模型)的精度提高约58%。(4)针对UNB3m模型存在气象数据质量低、数据周期性考虑不全等缺陷,通过数据同化技术,在UNB3m模型基础上同化ERA-Interim大气再分析数据,建立了一个高精度的融合模型(ERA-UNB3m模型)。利用IGS中心提供的2016年欧洲区域40个测站的ZTD数据进行多维度验证,结果表明,融合模型的平均精度为±31.4mm,UNB3m模型的平均精度为±46.3mm。结果表明融合模型(ERA-UNB3m模型)的精度较UNB3m模型提高约31%。(5)通过精密单点定位验证工作,发现ZTD模型精度越高,其定位效果越好。参数估计法比ZTD模型的定位效果稍好一些。对于XYZ叁个方向的误差,Z方向比X、Y方向误差较大。对于NEU叁个方向的误差,U方向误差最大。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
天顶延迟模型论文参考文献
[1].李伟捷,刘根友.小波自回归模型在天顶对流层延迟预测中的应用[J].导航定位学报.2019
[2].陈阳.对流层天顶延迟改正模型研究及应用[D].东南大学.2019
[3].杜晓燕,乔江,卫佩佩.一种用于中国地区的对流层天顶延迟实时修正模型[J].电子与信息学报.2019
[4].许妙强,余学祥,邓健.基于BP神经网络模型的多系统网络RTK天顶对流层延迟的精度分析[C].卫星导航定位与北斗系统应用2018——深化北斗应用促进产业发展.2018
[5].罗宇,罗林艳,范嘉智,段思汝.天顶静力延迟模型对GPS可降水量反演的影响分析及改进[J].测绘工程.2018
[6].王术正,郭承军.天顶对流层干延迟模型高度角与高程适用性分析[C].第九届中国卫星导航学术年会论文集——S01卫星导航应用技术.2018
[7].张卿川,李斐,张胜凯,雷锦韬,李文浩.不同对流层天顶延迟模型在南极半岛地区适用性分析[C].第九届中国卫星导航学术年会论文集——S05精密定位技术.2018
[8].郭敏,张捍卫.傅里叶函数结合GM(1,1)模型在天顶对流层延迟时间序列数据处理中的应用[J].地球物理学进展.2018
[9].赵静旸,时爽爽.对流层天顶延迟模型研究进展及其在中国区域的精度分析[J].地球物理学进展.2018
[10].赵祥伟,陈正宇.全球天顶对流层延迟模型新修正方法[J].测绘科学.2018