在GNSS观测中,对流层延迟和电离层延迟是影响定位精度的主要误差源,一般采用经验模型加以改正。由于参数复杂、内部机制不明确等原因,传统的经验模型改正精度不高,这阻碍了GNSS高精度位置服务的发展。鉴于神经网络处理非线性模型时极强的适用性、扩展性和高效性,利用神经网络进行了GNSS区域对流层ZTD和电离层VTEC建模,测试了两种模型的精度表现,评估了区域大气延迟模型在伪距单点定位和精密单点定位中的性能。论文的主要工作成果如下:1.建立了基于BP网络的区域对流层延迟模型。采用香港CORS网和美国密苏里州CORS网从2014年第1天到2018年第180天的数据,构建了对流层延迟预测模型ZTDnet。评估了Saastamonien、GPT2w、UNB3m和ZTDnet四种模型在两个测试区域的表现,结果表明,ZTDnet模型的改正精度分别为4.98cm和5.40cm,与其他常用模型相比精度更高,尤其在低纬度地区精度有显著提升。ZTDnet模型在长期预测中表现稳定,模型可靠性高。最后顾及气温影响对ZTDnet改进,精度提升了4.3%。2.建立了基于LSTM网络的区域电离层延迟模型。采用香港CORS网和美国密苏里州CORS网从2014年第1天到2018年第180天的数据,构建了电离层延迟预测模型VTECnet。评估了Klobuchar、Ne Quick、m Klobuchar、GIM和VTECnet五种模型在两个测试区域的表现,结果表明,VTECnet模型的改正精度分别为4.16TECU和1.76TECU,精度优于Klobuchar、Ne Quick、m Klobuchar等模型。VTECnet模型在长期预测中表现稳定,模型可靠性高。3.给出了基于区域大气延迟模型的定位方法。利用香港HKTP站共30天的数据,分别使用单频的伪距单点定位和精密单点定位两种方法进行实验测试,对比方案包括UNB3m+Klobuchar、Saastamonien+Klobuchar、不进行大气延迟改正三种。结果表明,使用ZTDnet+VTECnet方案的定位精度最高,与其他两种改正方案相比,进行伪距单点定位时在U方向精度分别提升了11.0%和7.0%,进行精密单点定位时平面坐标收敛速度均提高了16.2%,N方向和E方向的精度均分别提升了11.1%和5.9%。