在GNSS定位的误差来源中,对流层延迟通常难以被彻底消除。目前常用模型改正法进行对流层延迟的改正,对流层延迟模型大致分为实测气象数据模型和非实测气象数据模型两类,其实质分别是以实测气象数据或由经验模型估计得到的气象数据与对流层延迟间构建的复杂的非线性关系。随着GNSS定位精度尤其是在高程方向的定位精度要求越来越高,对流层延迟模型的改正精度也需要进一步提高。本文利用IGS分析中心提供的精度优于4mm的天顶对流层延迟为参考值,对比分析了目前常用的几种对流层延迟模型的精度,同时在现有模型上进行改进,以进一步提高对流层延迟的估计精度,具体研究内容如下:（1）分析了三种实测气象数据模型在中国部分地区的适用性。实验结果表明,Hopfield模型在选取的八个IGS测站的精度较低,且在高海拔地区的适用性较差;Black模型和Saastamoinen模型的精度相当且不受测站高程的影响;（2）依据不同气象数据组合作为输入数据在单个测站建立BP神经网络模型,实验结果表明引入无线电探空获取的可降水量为输入数据建立的BP神经网络模型的精度较Saastamoinen模型有明显提高;同时利用该模型构建区域天顶对流层延迟插值模型,其在选取测站的平均绝对偏差在1²cm,要明显优于Saastamoinen模型;（3）对四种无需实测气象数据的对流层延迟模型的精度进行比较分析,结果表明GT2w₁模型精度最优,GPT2w₅模型次之,而EGNOS模型与UNB3m模型的精度相对较差;（4）针对单个IGS测站建立ARIMA模型,对GPT2w₁模型的模型误差进行补偿,实验表明利用ARIMA模型改进后的GPT2w₁模型较原模型精度有明显提高。