A medida que ha aumentado la necesidad de información de ubicación estrechamente relacionada con la vida cotidiana, el uso de sistemas globales de navegación por satélite (GNSS) ha aumentado gradualmente en áreas urbanas densamente pobladas. Contrariamente a la alta necesidad y expectativa de GNSS en áreas urbanas, el rendimiento de GNSS se degrada fácilmente debido a errores de multipath causados por edificios altos y es muy difícil de garantizar. Los errores en las señales reflejadas por los edificios, es decir, los errores de multipath y de no línea de visión (NLOS), son la principal causa de la baja precisión en áreas urbanas. A diferencia de otras fuentes de errores principales de GNSS, el error de señal reflejada, que es un error dependiente del usuario, es difícil de diferenciar o modelar. Este artículo sugiere entrenar un modelo de predicción de multipath basado en regresión de vectores de soporte para obtener una función del ángulo de elevación y azimut de cada satélite. Para extraer un multipath imparcial de las mediciones de GNSS, se estimó el error de reloj del QZSS de alta elevación, y también se calculó el desfase de reloj con otras constelaciones. Se generó un mapa de multipath no lineal, como resultado del entrenamiento con los multipaths extraídos, por una Máquina de Vectores de Soporte, que reflejaba adecuadamente la geometría del edificio cerca del usuario. El modelo fue efectivo para mejorar la precisión de posicionamiento en áreas urbanas en un 58.4% horizontalmente y un 77.7% verticalmente, lo que nos permitió lograr un nivel de precisión de 20 m en un área urbana profunda, Teheran-ro, Seúl, Corea.