一种基于遗传算法和BP神经网络的对流层延迟改正模型

• 作者: 胡伍生 陈阳
• 来源期刊: 测绘工程
• 学科: 地球科学
• 关键词: EGNOS模型 融合模型 遗传算法 BP神经网络 对流层延迟
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 技术创新
• 页码范围: 46-52
• 页数: 7页
• 分类号: P228
• 字数: 4824字
• 语种: 中文
• DOI: 10.19349/j.cnki.issn1006-7949.2018.03.010

摘要

对流层延迟是影响全球卫星导航系统定位精度的主要因素之一.针对全球气象数据建立的对流层延迟改正模型区域精度较低这一问题,文中基于遗传算法和BP神经网络技术,在 EGNOS模型基础上建立一个高精度的区域融合模型(GA-BPEGNOS模型).选取北美洲2010—2014年41个观测站点,以国际GNSS服务中心的对流层产品作为真值,分析比较 EGNOS 模型和融合模型的对流层天顶延迟.研究表明,EGNOS 模型的均方根误差为80.38 mm,融合模型的均方根误差为34.44 mm.与 EGNOS 模型相比,融合模型的精度提高约57%,取得满意效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡伍生	东南大学交通学院	127	983	16.0	23.0
2	陈阳	东南大学交通学院	41	130	6.0	9.0