一种基于深度学习的天顶对流层湿延迟计算方法

本发明涉及卫星导航定位技术领域，具体是指一种基于深度学习的天顶对流层湿延迟计算方法，基于改进Transformer模型的分段ZWD多源数据融合的基本步骤如下：由ZTD模型建立、TCA‑Transformer模型建立、数据融合三部分组成。ZTD模型建立的任务是由气象数据计算出大气折射率，进而得到ZTDPP；TCA‑Transformer模型建立是使用域自适应方法改进Transformer模型；数据融合是使用TCA‑Transformer模型融合ZWDPP与ZWDMODIS；最终可以得到高时空分辨率、高精度的ZWD产品。提高了原始Transformer模型的泛化能力，以便提升特定区域下的对流层延迟改正能力，得到高分辨率、高精度的天顶对流层延迟(ZWD)产品。