中国地区GNSS对流层延迟建模与研究

发布时间：2020-04-21 23:02

【摘要】：在GNSS领域中,对流层延迟是定位误差的主要来源之一。在短基线观测中,差分法可用来削弱对流层延迟带来的定位误差,但在长基线观测时该方法的改正效果有限。在实际应用中,模型改正法也常被用来消除对流层延迟误差,但传统的对流层延迟模型已较难满足现如今的高精度定位需求,且大多传统对流层延迟模型在计算过程中需要输入实测气象数据,在无实测气象数据时计算精度往往会降低。本文主要通过分析中国及周边区域的CORS网及IGS站对流层延迟数据,统计它们的分布规律,总结其变化趋势,并建立新的高精度对流层延迟改正模型,以满足高精度GNSS定位的需求。本文具体研究内容及成果有:1.分析了中国及周边地区22个IGS站的对流层延迟变化规律,其中包括它们的年变化规律、季节性变化规律、依经纬度变化规律、依海拔变化规律,通过分析发现:对流层延迟具有明显的年变化规律;南北半球相应纬度地区的对流层延迟变化呈现出较强的负相关性;高程与对流层延迟具有一定的反比例指数关系。2.详细分析了Saastamoinen模型的单站bias分布规律,研究表明经EEMD滤波后的Saastamoinen模型的bias序列各年间具有极强的正相关性,且它们的变化以年周期为主,于每年7月份到达极大值,本文以正弦函数拟合的方法对其滤波后的平均bias序列进行了线性拟合,并得到了以年积日为自变量的函数方程。3.本文对Saastamoinen模型进行了改进,并统计了改进前后的精度分布。其中,原Saastamoinen模型的全地区5年平均RMSE为31.22mm,MRE为0.96%,改进后相应值减弱为23.68mm、0.72%,且模型改进后其逐日bias序列均值接近于0,代表改进模型对对流层延迟的计算值更加平稳、精确。实验证明对Saastamoinen模型的改进方法稳定有效,具有一定的实际意义。4.本文提出了一种基于EEMD-SARIMA的经验对流层延迟模型。该模型首先使用EEMD对原始ZTD序列进行分解并生成n个IMF序列,然后对各IMF序列分别构建SARIMA参数进行预测,最终叠合预测结果以实现对对流层延迟的预测。研究过程中,本文针对中国的不同地区同季节和同地区不同季节的ZTD值进行了预测分析,总结出了一定的EEMD-SARIMA模型的适用性规律,并一定程度上避免了偶然性。结果显示,EEMD-SARIMA模型的全地区小时平均RMSE和MAR为9.71mm和0.383%。实验证明,该经验对流层延迟改正模型的估计精度较高,具有一定的实际意义。
【图文】：

序列,一阶差分,序列

此时结果显示，即使在 1%的置信水平下，也可以拒绝单位根假设，代表序列平稳，故d 值取 1。下一步应进行相关性分析，作出该一阶差分序列滞后 36 阶的 ACF，PACF 函数如图4.4所示。由图可观察知，其ACF,PACF函数均表现出拖尾性，满足AR p ,MA q 过程。此处 PACF 值 3 步截尾，1 阶滞后处 PACF 值较为显著，且 24 阶滞后处再次上升至一个相对峰值，随后更高阶滞后的自相关系数明显减小，此类型表明 AR 3 SAR 24 基本符合该序列（此处 SAR 24 仅为计算机的取向概念，告知计算机季节组中的每 24h为一个周期，而此模型应被正确描述为 p 3, P 1）,同理可得 q 8, P 1。故我们可基本选定 SARIMA 3,1,1 (8,0,1)模型。但此时定阶的模型仅代表它能很大程度上迫近原序列

残差图,残差

桂林理工大学硕士学位论文换原参数，并一齐进行 AIC 准则运算，选择使得 AIC 最小的参数组合确认为最优模型参数（AIC 最小时，并非就为最优参数，仅仅是接近最优，其它的参数选择仍可能优化模型精度，可以不断调整参数来对比分析预测结果的好坏，与专家的意思相符，但此处暂不做进一步讨论）。本文通过 AIC 验证最终确认模型为 SARIMA 3,1,8 (1,0,1)，并以此进行回归，，再进行残差白噪声检验，残差 ACF，PACF 函数图如下图 4.5 所示。显而易见，残差为白噪声序列，故可认为该模型可靠，可进一步用于 ZTD 数据预测，此时建模完成。
【学位授予单位】：桂林理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P228.4

【参考文献】