论文部分内容阅读
对流层延迟是影响全球卫星导航系统(GNSS)测量精度的重要因素.针对现有对流层延迟模型稳定性差,精度较低等问题,在无实测气象参数条件下,提出一种基于Keras平台的长短期记忆神经网络(LSTM)的对流层延迟预测模型.选取全球均匀分布的8个测站,使用其2016年第90-131年积日共42天的整点对流层延迟数据预测其第132—136年积日的整点数据.以国际GNSS服务(IGS)中心提供的对流层产品为真值,分析比较LSTM模型和反向传播(BP)神经网络模型的预测效果.研究表明,LSTM模型预测结果的均方根