大创是什么？是实验室里的通宵达旦，是田野调研的烈日风霜，是图纸上反复修改的线条，也是团队并肩作战的默契与成长。在4月大创项目申报季来临之前，大学生创新俱乐部事务部策划推出 「创·同行」——同济大学优秀大创项目经验分享系列。未来20天，每天一期，我们将走进20个往届国创、上创优秀项目，听学长学姐讲述他们的故事——从选题的灵光一现，到攻坚的步履维艰，再到成果落地时的欣喜。这里有硬核科技的探索，也有人文社科的关怀；有跨学科组队的火花，也有从0到1的坚持。我们相信，每一个项目背后，都是一段值得被看见的旅程。希望这些真实经验，能为正在犹豫的你点亮一盏灯，为即将出发的你铺一块砖。大创之路，我们同行。

1项目名片

项目名称：联合信号分析与深度学习的高精度对流层建模

团队成员：周思宇/2024级/测绘工程(应用物理学双学士学位)许桉之/2024级/测绘工程王伯安/2024级/人工智能陈奕吉/2024级/自动化梁越涵/2024级/微电子科学与工程

指导老师：吴志露

立项级别：上创

立项年份：2024年

2一句话亮点

融合信号分析与深度学习，突破对流层建模精度瓶颈。

3项目简介      

本项目聚焦卫星大地测量中对流层延迟这一核心误差问题，解决现有模型时空分辨率粗糙、插值方法未考虑大气时空变化特性的痛点，开展高精度对流层建模研究。我们以欧洲96个GNSS站点2020-2022年观测数据为基础，先通过快速傅里叶变换（FFT）和球谐函数拟合提取ZWD低频信号构建基准线，再搭建双层深度学习模型，结合LSTM+CNN+Attention与XGBoost，引入滞后特征优化，实现非整点、非网格点ZWD的高精度回归预测，间接减小天顶对流层延迟误差。

4核心成果      

成功构建联合信号分析与深度学习的对流层超分辨率预测模型，2023年全年预测RMSE为1.62cm，短周期预测误差稳定在1.2cm左右。与经典模型对比，偏差更小、精度更优，且在不同纬度、海拔、季节下泛化性优异。模型物理合理，形成完整技术框架，相关算法具备工程化应用基础，正在筹备论文写作工作中。

5经验分享      

项目关键节点为数据获取和预处理、基准线构建、双层模型搭建及效果验证。最大困难是模型训练遇到精度瓶颈，残差预测效果不佳。我们通过分析大气物理特性，引入滞后特征，得以进一步提升模型性能；通过球谐函数拟合和傅里分析，构建空间上和时间上更加泛用的基准线，进一步提高模型的空间和时间的泛化性能。      给新手建议：敢于尝试，可以利用AI工具迈出第一步，万事开头难；重视数据预处理与特征工程；遇到问题多复盘，善用团队头脑风暴与请教导师，团队和交流是科研过程中必不可少的；保持耐心，科研试错是常态，每一次调整都在靠近成功。