一种基于集成算法的对流层湿延迟预报方法及装置

本发明公开了一种基于集成算法的对流层湿延迟预报方法及装置，首先分析了GNSS对流层湿延迟的时空变化特征，并探讨湿延迟的时间序列变化趋势以及在全球范围内与海拔的相关性。将对流层湿延迟结合鹈鹕算法优化卷积神经网络中的超参数，再将卷积后的结果结合长短期记忆神经网络算法构建高精度的对流层湿延迟预报模型。通过鹈鹕算法有效解决了卷积神经网络中超参数设置的难题，卷积与长短期记忆神经网络相结合发挥了LSTM中记忆细胞的优势，同时充分利用了卷积的优势，实现了对流层湿延迟时间序列数据的局部连接。统计结果表明，模型的预报对流层湿延迟全球平均精度约为12mm，相比同类模型精度显著提升。