随着GNSS在不同领域的发展中,用户对于该系统的精度性有着更高的要求,如何快速定位以及提高精度是当前GNSS研究的重点和发展趋势。对流层延迟极易受大气的影响,且与信号传播路径的高度角有着密切关系,当高度角为90o时误差达到2-3m,但当高度角为5o时其误差最大时可以达到25m。由于对流层误差的改正十分复杂,这成为影响GNSS精度的重要因素。提高对流层误差改正的精度,在定位与测量的应用中有着较大的意义。目前,RBF神经网络已经应用在很多领域,它能够以任意精度逼近任意函数,学习速度快。为了提高对流层延迟内插精度,建立了一种基于RBF神经网络对GNSS对流层延迟内插的模型,该模型只需输入测站点的经纬度和高程,在实际应用中带来了方便。在构造RBF神经网络模型的过程中,首先利用GAMIT软件根据安徽省电力系统10个CORS站的坐标数据解算出对流层延迟,利用6个CORS基站的坐标和对流层延迟作为建模数据,4个CORS站作为测试数据,选取合适的神经网络学习算法确定网络结构参数,构建模型。其次将模型对流层延迟的输出值与GAMIT软件解算出的对流层延迟作比较,进行误差分析,验证该模型的可靠性。实验结果表明:测试数据的对流层插值精度达到mm级别,最大误差约为2mm,利用RBF神经网络模型预测对流层延迟具有较高的精度。