两种GPS卫星钟差预报模型比较及精度分析

利用IGS提供的精密钟差数据,分别采用二次多项式模型和灰色系统模型进行建模,对GPS卫星钟差进行短期和长期预报,并对预报结果进行对比分析.指出在短期预报中,两种模型的预报效果比较接近;在长期预报中,灰色模型的预报精度明显优于二次多项式模型,具有一定的优势.     

一种北斗卫星钟差短期预报组合方法

针对北斗卫星钟差预报研究较少的情况,基于灰色模型与BP神经网络模型,构建一种全新的组合预测模型. 该组合钟差预测模型通过最优权方法有效结合两种单一模型的优点,实现北斗钟差的短期预报. 最后,以北斗三种型号卫星所携带的原子钟数据为例,计算出每种单一模型的权重,通过构建最优权预报模型实现了钟差的短期预报,预报结果优于两种单一模型,证明了该组合预报模型在钟差短期预测方面有效性与适用性.      

卫星钟差预报的T-S模糊神经网络法

结合钟差数据的特点,提出了一种基于变化率的T-S模糊神经网络(TSFNN)钟差预报模型。首先计算相邻历元间钟差的变化率值并对其进行建模;然后利用TSFNN模型预报钟差变化率值,再将预报的变化率值还原,得到钟差预报值;最后,通过算例将本文所建模型与IGU-P产品、二次多项式模型(QP)及灰色模型(GM(1,1))进行试验对比。结果表明:在使用变化率方法后,TSFNN模型预报的精度和稳定性分别提高了69.8%和76.3%,而且与IGU-P钟差产品相比,预报的精度高出约10倍,同时模型预报的效果优于两种常用模型。因此,该模型可以实现卫星钟差较高精度的预报。     

两种高程坐标预测模型的精度对比分析

为提高IGS测站高程坐标预测精度,分别拟合两种时间序列模型:多项式周期模型与ARMA模型,选用我国及周边7个IGS站2013年的观测数据进行实验验证及对比分析。结果表明:两种模型的预报中误差均小于4.5 mm,可作为高程坐标预测的参考模型,同时,ARMA模型的预报精度较多项式周期模型的预报精度提升5%以上,且稳定性高于多项式周期模型,更加适合站点的坐标预报。     

两种机动力建模方法的适用性分析

分析了脉冲经验力和分段线性经验力两种机动力模型在GEO卫星机动期间定轨和机动后轨道预报中的适用性,同时比较了两种机动力建模方法与短弧动力学方法之间在轨道预报方面的优劣。实验结果表明,在机动定轨中,脉冲经验力模型比分段线性模型更优越。两种机动力建模方法东西机动期间单天弧段轨道拟合精度可优于5m,但线性模型轨道预报精度比脉冲经验力模型和短弧动力学方法差。C波段观测量能够改善机动期间定轨精度。     

卫星钟差预报模型的分析与比较

为了分析二次多项式模型(QP)、灰色模型(GM(1,1))、时间序列模型(ARIMA)以及小波神经网络模型(WNN)这4种模型钟差预报的效果,采用GPS提供的RTS精密钟差数据作为实验数据,通过不同数量的建模数据对4种常用模型进行建模;并预报接下来的30 min和1 h两个时长的钟差数据.据此对4种模型的钟差预报效果进行分析和比较,总结了各模型预报钟差的优点与不足.     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用。根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值。该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高。最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型。     

数据预处理对最小二乘支持向量机预报钟差的影响

分析在基于最小二乘支持向量机的卫星钟差预报中样本数据预处理的必要性,列举了归一化、标准化和相邻历元一次差3种数据预处理方法。然后结合实例,对比分析不同数据预处理方法对基于最小二乘支持向量机的钟差预报精度的影响,得出不同方法对钟差预报精度的影响不同,其中,基于一次差方法的预报精度最高。最后,将基于一次差方法的最小二乘支持向量机预报模型与常用的二次多项式模型和灰色系统模型进行比较,结果表明,最小二乘支持向量机模型的预报效果明显优于两种常规模型。     

基于AR模型的GPS精密卫星钟差建模与预报

在GPS卫星精密钟差的预报中,短周期预报通常采用二次项拟合模型,长周期预报通常采用灰色模型,但这两种模型都只是考虑趋势项而没有考虑随机项,通过利用AR模型对钟差的随机项进行建模,并作为随机补偿,加入到二次项拟合模型与灰色模型中,以完善钟差预报的短周期与长周期模型。在算例中运用由IGS提供的精密钟差进行预测,结果表明:改进后的模型使钟差预报的精度得到一定程度的提高。     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用.根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值.该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高.最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型.