自回归移动平均模型的电离层总电子含量短期预报

摘 要：本文在充分考虑乘积性季节模型的情况下,利用差分法对电离层总电子含量（Total Electron Content,TEC）样本序列进行平稳化处理后,采用时间序列分析中的求和自回归移动平均模型（简称ARIMA,Autoregressive Integrated Moving Average)对TEC值序列进行预报分析。以欧洲定轨道中心（CODE）提供的2008-2012年电离层TEC值为样本数据,分析了该方法在电离层平静期、活跃期预报高、中、低不同纬度电离层TEC值的精度以及TEC样本数据的长短对预报精度的影响等。实验结果表明：在电离层平静期和活跃期预报6天的平均相对精度可达83.3%和86.6%;而平均预报残差分别为0.18±1.9TECU和0.69±2.6TECU,其中预报残差小于3TECU分别达到90%和81%以上;而且两个时期都具有纬度越高相对精度越低而绝对精度越高的规律。此外,预报精度会随TEC样本序列长度增加而提高,但40天左右为其最佳样本长度,如超过此长度,其精度会逐渐降低;而相同样本数据的预报精度会随预报长度的增加而减小,初期并不明显,但超过30天其相对精度将随时间明显降低。     

ARIMA模型在电离层TEC预报中的应用

电离层电子总含量的确定是影响全球定位系统定位精度一个很重要的因素,目前针对电离层建立不少的模型。文中提出运用时间序列理论中的ARIMA模型对电离层进行预报,并利用数据进行计算分析,结果表明该模型适合电离层电子总含量的预报。     

EEMD-Holt-Winters的电离层TEC预报模型

利用IGS中心提供的全球电离层TEC数据,建立集合经验模态分解与Holt-Winters组合的预报模型。根据地磁活动情况,选取地磁平静时段和地磁活跃时段的低、中纬度TEC序列,分别采用EEMD-Holt-Winters组合模型和单一Holt-Winters模型进行建模预报。实验结果表明,地磁平静期文中模型的相对精度最优可达91.71%,均方根误差最优可达1.54 TECu,地磁活跃期文中模型的相对精度最优可达86.83%,均方根误差最优可达2.18 TECu,预报结果较单一模型有显著提高。     

基于灰色组合模型的电离层电子含量预报

为了提高电离层VTEC预报的精度,该文采用GM(2,1)模型对电离层VTEC序列进行周期性趋势项提取,对其残差序列建立时间序列模型,形成灰色时序组合模型,进行电离层VTEC预报。实例计算结果表明,基于灰色时序组合模型的电离层VTEC预报精度较高,稳定性较好,且随着预报天数的增加,该模型的预报精度有所降低;高纬度地区的电离层VTEC预报精度最高、最为稳定,中纬度地区次之,而低纬度地区的预报精度最低、稳定性最差。     

BP神经网络模型的电离层预报精度评估

针对电离层电子总含量(total electron content,TEC)时间序列高噪声、非线性和非平稳的动态序列的特点，基于反向传播神经网络(back propagation neural network,BPNN)模型对欧洲定轨中心(Centre for Orbit Determination in Europe,CODE)提供的电离层格网(global ionosphere maps,GIM)数据产品中低纬度、中纬度、高经纬格网点TEC数据和对应的时间点、经纬度、太阳射电通量F10.7数据、赤道地磁活动指数Dst、全球地磁活动指数Kp数据进行样本训练并进行电离层预报.结果表明：基于BPNN模型能够较好地预报低纬度、中纬度和高纬度电离层TEC数值，平均相对精度分别到达了90.5%、88.7%、85.35%，残差均值分别为1.505 TECU、1.595 TECU、1.885 TECU，平均均方根误差(root mean square error,RMSE)值分别为1.94 TECU、2.13 TECU、3.08 TECU.     

时间序列分析在电离层短期预报中的应用

根据IGS提供的2012年TEC数据,在得到TEC值残差序列的基础上,利用谱分析去掉周期项和Matlab工具箱去掉趋势项并采用平滑算法去噪后,对随机项进行时间序列分析。目前,电离层格网点的预报均建立在原始TEC上,阐述了采用差分后的TEC值进行预报的方法,以减少日变化周期项的影响。根据AR（p）模型预报的结果加上周期项和趋势项后,再加上前一天对应时段的TEC值与IGS发布的数据比较,结果表明,该方法利用短期IGS发布的TEC值进行电离层预报能取得较高的精度。     

基于RBF神经网络的改进模型在电离层TEC预报中的应用

为了提高电离层TEC值的预报精度,建立更高精度的电离层TEC预报模型,本文在RBF神经网络模型的基础上引入奇异谱分析(Singular Spectrum Analysis, SSA)方法,构建新的电离层TEC预报模型。该组合模型首先通过SSA提取原始序列中的特征分量,避免噪声分量对预报结果的影响,其次将去噪后特征分量作为RBF神经网络模型的输入值。使用IGS中心提供的TEC数据序列进行模型验证,结果表明,无论是对平静期电离层TEC预报还是磁暴期电离层TEC预报,相比于单一的RBF神经网络模型预报结果,本文提出的SSA-RBF神经网络模型的预报结果均更优,其中平静期预报残差在2 TECU以内,磁暴期预报残差在3—4 TECU以内,验证了本文提出组合模型的优越性。     

基于GNSS TEC的电离层自相关预报误差分析及参数优化

电离层延迟是全球卫星导航系统(GNSS)高精度导航定位应用中的重要误差源. 通过对电离层总电子含量(TEC)进行测量和短期预报可有效提升GNSS单频用户的定位精度,对其他无线电系统的电离层效应也可起到有效减缓作用. 近二十年来提出了很多行之有效的短期预报方法,但还没有哪一种方法有绝对优势,其预测精度都有待提高. 利用Madrigal数据库任意选取的5个格网点的TEC观测数据,首先比较了自相关和自回归滑动平均(ARIMA)方法,然后研究了自相关预报方法中实际参与加权的观测值覆盖天数和观测值数量这两个参数的选取对预报误差的影响,并提出了参数设置优化方案. 试验结果显示:1)自相关方法的预报误差略小于ARIMA方法,且自相关方法所花费时间比ARIMA方法少,总体上自相关方法是一种性能更优的方法;2)对于自相关方法,相比于传统的“4+12”参数设置方案,“3+9”方案总体上具有更优的预报性能,说明TEC时间序列的当前状态可能主要与前3天的状态有关. 相关结果可作为电离层短期预报工程实现的一个有用的参考方案.      

利用小波分解改进极移预报模型

为进一步提高极移预报精度,将小波分解引入极移预报中。首先利用小波分解对极移序列进行分解,分离低频分量与高频分量,然后对低频分量建立最小二乘外推模型,获得极移序列的趋势项外推值与残差序列,最后采用自回归（autoregressive,AR）模型对高频分量与残差序列之和进行预报,最终极移的预报值为最小二乘外推值与AR模型预报值之和。结果表明,小波分解可以明显改善最小二乘外推与AR组合模型的极移预报精度,尤其对于中长期预报改善更为明显。     

改进的方差分析在电离层TEC短期预报中的应用

本文在研究了目前存在方法的基础上,将数理统计中的方差分析周期叠加外推法应用于电离层短期预报,并对其作了改进。采用IGS提供的电离层TEC数据作为原始数据比较了该方法改进前后的预报精度,分别利用中国区域内不同地理位置的40天的数据进行分析预报,预报结果显示改进后的方法预报精度可达到1.1TECU左右,优于改进前。改进后的预报效果依然与经纬度有关,在中国区域内随着纬度的减小、经度的增加,预报精度会降低。通过与目前常用方法比较分析,该方法预报结果精度较高、所需计算参数少、简单易行,可以较好地应用于电离层短期预报。     

一种基于遗传算法和BP神经网络的对流层延迟改正模型

对流层延迟是影响全球卫星导航系统定位精度的主要因素之一。针对全球气象数据建立的对流层延迟改正模型区域精度较低这一问题,文中基于遗传算法和BP神经网络技术,在EGNOS模型基础上建立一个高精度的区域融合模型(GA-BPEGNOS模型)。选取北美洲2010—2014年41个观测站点,以国际GNSS服务中心的对流层产品作为真值,分析比较EGNOS模型和融合模型的对流层天顶延迟。研究表明,EGNOS模型的均方根误差为80.38mm,融合模型的均方根误差为34.44 mm。与EGNOS模型相比,融合模型的精度提高约57%,取得满意效果。     

Simulation study of the influence of the ionospheric layer height in the thin layer ionospheric model

This work aims to contribute to the understanding of the influence of the ionospheric layer height (ILH) on the thin layer ionospheric model (TLIM) used to retrieve ionospheric information from the GNSS observations. Particular attention is paid to the errors caused on the estimation of the vertical total electron content (vTEC) and the GNSS satellites and receivers inter-frequency biases (IFB), by the use of an inappropriate ILH. The work relies upon numerical simulations performed with an empirical model of the Earth’s ionosphere: the model is used to create realistic but controlled ionospheric scenarios and the errors are evaluated after recovering those scenarios with the TLIM. The error assessment is performed in the Central and the northern part of the South American continents, a region where large errors are expected due to the combined actions of the Appleton Anomaly of the ionosphere and the South-Atlantic anomaly of the geomagnetic field. According to this study, there does not exist a unique ILH that cancels the vTEC error for the whole region under consideration. The ILH that cancels the regional mean vTEC error varies with the solar activity and season. The latitude-dependent conversion error propagates to the parameters of the model used to represent the latitudinal variation on the vTEC on the ionospheric layer, and to the IFB, when these values are simultaneously estimated from the observed sTEC. Besides, the ILH that cancels the regional mean vTEC error is different from the one that cancels the IFB error and the difference between both ILH varies with the solar activity and season.     

中国西太平洋海域1′×1′垂线偏差模型及精度评估

联合多种测高数据和重力异常数据,设计了观测点距离和测高精度融合的定权方法,采用最小二乘方法和Vening-Meinesz公式,分别构建了西太平洋海域(0°N—40°N,105°E—145°E)1′×1′网格化垂线偏差数字模型。选取两个不同特征区域,将垂线偏差的两个数字模型和EGM2008模型三者进行相互比较分析。结果表明:卯酉分量η的均方根差大于子午分量ξ的均方根差,海底地形复杂的南海特征区域的垂线偏差均方根差大于西太平洋中部的均方根差,构建的两个垂线偏差模型总体均方根差优于1.6″。     

GPS高程拟合方法的研究

本文在76个拥有GPS大地高和正常高的已知的公共点作为原始数据的基础上,采用二次曲面拟合法、二次曲面加权法、二次曲面多面函数法、二次曲面最小二乘法来建立研究区的似大地水准面,通过实例发现,二次曲面加权法、二次曲面多面函数法、二次曲面最小二乘配置法与二次曲面拟合法进行比较,外检验点中误差的精度得到提高,并且二次曲面拟合所得到的残差值比较大的点精度有明显的提高,同时改善了模型,证明这种组合方法在GPS水准拟合方面有效、可行。     

北京地区地基GPS加权平均温度计算本地化模型研究

利用中国区域内93个无线电探空站2005-2010年的探空数据,分析加权平均温度的特征,并分析Bevis公式在中国的适用性。同时利用北京站2005-2010年的无线电探空数据进行北京地区加权平均温度模型的本地化研究,并利用模型进行北京地区2011年加权平均温度的计算,其结果与实际加权平均温度的差值平均值为2.16K,均方根误差为4.78,同时将利用模型生成的可降水汽量与利用探空数据获得的可降水汽量进行对比,差值平均值为-1.42K,均方根误差为2.87。实验证实北京地区本地化模型的精度较高,实用性较强。     

激光点云输电线精细提取的残差聚类法

针对输电线点云数据中存在缺失、噪声等复杂环境,提出了一种基于模型残差聚类的激光点云电力线精细提取方法。首先根据归一化高程阈值分割去除近地面点,在此基础上,采用自适应维度特征和方向特征粗提取电力线点;然后以抛物线模型为约束条件,采用改进的建模方法,确定模型残差并对其进行密度聚类,根据聚类结果实现单根电力线精细提取;最后讨论了关键参数的选择对提取结果的影响。两景实测数据试验表明:该方法能快速实现点云部分缺失、噪声干扰等复杂环境下的电力线精细提取,无须电力线数目、点云密度等先验知识,对不同类型分裂导线提取均具有很好的适用性。单根电力线提取准确率达99.17%以上,模型误差最大值为0.167 m,中误差最大值为0.079 m。     

基于多普勒辅助的电离层残差探测与修复周跳改进方法

针对典型周跳探测与修复方法中的电离层残差法当同一历元多个频点发生周跳时,无法准确探测及修复周跳的问题,提出了一种用多普勒辅助电离层残差法的周跳探测与修复的改进方法。基于实测及仿真数据,证明了该方法能够有效解决电离层残差法存在的上述问题,即使某一历元多个频点同时发生周跳,也可以准确探测周跳发生的位置、频点及相应数值,精度达到1周,有效提高了电离层残差法探测与修复周跳的准确性与可靠性。     

优化短期余水位组合预测模型

针对现有非稳定非线性余水位预测模型较少和精度较低的问题,本文研究基于MEEMD算法与遗传优化BP神经网络的余水位组合预测模型。利用夏威夷岛4个长期验潮站获取的余水位时序数据,首先采用遗传算法MEEMD对余水位时序数据进行处理分析,得到较为稳定的余水位IMF分量;然后将经过遗传算法优化后分解的较为稳定的各个IMF分量作为BP神经网络预测模型的输入变量,分别建立12、24、48 h短期余水位的MEEMD遗传算法优化BP神经网络预测模型。通过与非优化BP神经网络预测模型结果进行对比分析,结果表明,优化前后均方根误差的偏差最高达2.03 cm,验证了预测24 h内的短期余水位仍保持其相关特性。该组合预测模型对于分析余水位变化规律和潮汐预报的精度、水位改正等均有重要意义。