基于模型误差补偿技术的对流层延迟建模与应用研究

The key technology of this research program is the method of compensating model error based on neural network. The aim of this research program is to build the two ZTD (Zenith Tropospheric Delay) models with high accuracy based on the method of compensating model error: the ISAAS model with real ground meteorological parameters, and the IEGNOS model without meteorological parameters. The future achievements in this scientific research will make contribution on the spaceflight activity, the communication, the navigation, and the 2nd generation Beidou navigation system of China. .The research contents include as follows: (1) To improve the H-BP (High efficiency BP) algorithm developed by the proposer (Dr. Wusheng HU), and to build the neural network model for compensating model error based on the H-BP algorithm.(2) To obtain the approximate “true data” of ZTD for building ZTD models. To calculate the ZTD with high accuracy based on the data observed by upper air balloon, or based on the data observed by GNSS.(3) To choose the parameters in the two ZTD models.(4) To improve the Saastamoinen model by the technology of compensating model error, and to build the ISAAS model.(5) To improve the EGNOS model by the technology of compensating model error, and to build the IEGNOS model.(6) To research the two ZTD models for engineering applications: PPP（Precise Point Positioning）, and NWP（Numerical Weather Prediction）.

本申请项目的关键技术为基于神经网络的模型误差补偿技术。研究目标是，基于模型误差补偿技术，建立两类高精度的对流层天顶延迟（ZTD）改正模型：实测地表气象参数的ZTD模型ISAAS模型和无实测气象参数的ZTD模型IEGNOS模型。项目研究成果将为航天活动、通讯、导航和我国北斗二代导航系统建设作出积极贡献。.具体研究内容：（1）改进申请人创新的神经网络H-BP算法，提出基于神经网络的模型误差补偿方法。（2）ZTD建模近似“真值”数据的获取。基于高空探测气球观测数据，或基于GNSS观测数据，提取高精度ZTD。（3）ZTD建模参数的选取。（4）利用模型误差补偿技术对Saastamoinen模型进行改进，建立ISAAS模型。（5）利用模型误差补偿技术对EGNOS模型进行改进，建立IEGNOS模型。（6）ZTD模型应用。将两类ZTD模型应用于精密单点定位（PPP）和数值天气预报（NWP）。

课题组提出了基于神经网络H-BP算法的模型误差补偿方法。结合一个工程实例，经过新方法补偿后的模型，其模型中误差大约是原模型中误差的20%（备注，补偿了原模型误差的80%），补偿效果显著，远优于传统的模型误差补偿方法（如最小二乘配置法、半参数估计法等）。课题组又将该算法应用于几十个工程实例，均取得了满意的结果，进一步佐证了该方法的有效性。该方法在解决“模型误差补偿”这个国际测绘难题方面取得了较大突破。模型误差补偿技术具有非常高的学术价值，应用领域广泛，可应用于各种建模研究，实现模型优化。在大数据分析和空间数据挖掘等方面具有广阔的应用前景。.课题组提出了基于模型误差补偿技术的对流层延迟改正的融合模型。课题组利用传统的对流层Saastamoinen模型（SAAS模型）、融合模型（ISAAS模型）分别进行区域对流层延迟进行计算。研究发现，在中国地区的4个IGS站上，SAAS模型平均中误差为±4.9cm，ISAAS模型平均中误差为±2.5cm（模型精度提高约48%）。在高海拔地区的lhaz站，SAAS模型中误差为±4.8cm，ISAAS模型中误差为±1.0cm（模型精度提高约78%）。该成果有益于帮助人类充分认识和掌握对流层活动规律，有益于帮助提高GNSS的定位精度等；将该成果应用于北斗系统，将为提高北斗系统精度做出积极贡献。.课题组提出了加权平均温度的改进模型。考虑加权平均温度的地理分布规律和年周期变化，在Bevis模型的基础上增加周期项、经度、纬度和高程修正项，建立非线性方程。用最小二乘法确定非线性方程的各项系数，确定最终改进模型方程并验证其精度，有效提高了计算精度。利用本项成果，可为气象研究提供良好的资料；在降水预报等领域，有重要应用价值。