先验天顶对流层干延迟 (Zenith Hydrostatic Delay，ZHD) 是GNSS高精度数据处理的重要参数，其精度的提升有利于提高GNSS的定位精度。同时高精度的ZHD有利于从天顶对流层延迟 (Zenith Tropospheric Delay, ZTD) 中分离出精确的天顶湿延迟 (Zenith Wet Delays, ZWD) 用于反演大气可降水量 (Precipitable Water Vapor, PWV)。基于数值天气预报模型（NWP）预报ZHD是一种很有前景的方法。然而NWP模型在气象观测站稀疏的地区精度较低，比如在气象观测站相对稀疏的中国地区（尤其是西部地区）。为解决这一问题，本文利用集成学习算法（GBDT/XGBoost/LightGBM）构建了维也纳数据服务中心ZHD预报模型VMF3_FC的误差抵偿模型。训练模型的输入包括测站的3D坐标、时间和VMF3_FC ZHD，输出为高精度的探空ZHD（RS ZHD）。利用2018年4月10日至2019年底148个探空站点的VMF3_FC ZHD和RS ZHD训练模型，2020年148个站的RS ZHD做检验。建模结果显示：基于GBDT/XGBoost/LightGBM的抵偿模型（记为GZHD/XZHD/LZHD）的内符合精度bias分别为0 mm、0.2 mm、0 mm，RMSE为3.0 mm、2.9 mm、2.9 mm。检验结果表明，GZHD、XZHD、LZHD与 RS ZHD具有较好的一致性，较VMF3_FC和GPT3，ZHD的bias有显著的改善，分别从4.1 mm和3.1mm降低到0.2 mm、0.2 mm、0 mm。RMSE从11.8 mm和13.1 mm 分别降低到3.1 mm、3.1 mm、3.9 mm，提升率分别为72.1%/73.7%，72.1%/73.7%和64.9%/66.9%。新模型具备较高的精度，而且拥有捕捉ZHD快速变化的能力，这能提高GNSS导航定位精度和扩展GNSS在气象学中的应用。
 

数值天气预报,天顶对流层干延迟,集成学习算法,GNSS定位与气象,预报