基于CEEMD的电离层TEC组合预报模型

针对单一电离层总电子含量(TEC)预报模型存在的缺陷，如受外界因素干扰较大、预报精度随预报时间的增加明显降低等，本文提出一种基于补充集合经验模态分解(CEEMD)电离层TEC组合预报模型。该模型实现电离层TEC预报的关键途径为：首先，利用CEEMD对TEC原始序列进行自适应分解，得到具有不同频率的分量并依据分量复杂度分析结果进行重构；其次，使用广义回归神经网络(GRNN)模型对高频分量进行建模与预报，使用Holt-Winters模型对低频分量进行建模与预报；最后，重构高频分量预报结果与低频分量预报结果得到电离层TEC预报值。根据太阳活动选取两段不同年积日、不同纬度电离层TEC序列进行实验，结果表明本文提出组合预报模型较单一的Holt-Winters模型、GRNN模型预报精度更高，在太阳活动平静期预报结果的平均相对精度为92.83%,在太阳活动剧烈期预报结果的平均相对精度为84.35%,对于长时间TEC预报也具有较好的效果，稳定性高。     

一种改进Elman神经网络的电离层TEC预报方法

为了建立更高精度的电离层T EC预报模型,利用IGS数据中心提供的平静期与磁暴期电离层T EC原始序列,提出基于奇异谱分析法(SSA)与Elman神经网络结合的电离层T EC预报模型.实验结果表明,在电离层平静期T EC的预报精度上,SSA-Elman组合模型的精度更加稳定,预测残差值在2 T ECu以内;在电离层磁暴期T EC的预报上,SSA-Elman组合模型较单一Elman模型的预测精度有显著提升,预测值残差在3～4 TECu以内.通过对比分析,文中提出的组合模型方法有助于电离层T EC预报精度的提升.     

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。     

CEEMD与GRNN神经网络电离层TEC预报模型

针对电离层电子总含量(TEC)存在非线性、非平稳,由多因素影响导致高噪声的问题,建立了补充集合经验模态分解(CEEMD)和广义回归神经网络(GRNN)模型相结合的CEEMD-GRNN电离层TEC预报模型. 以解决直接使用原始数据进行预测会导致拟合效果差、预测精度低的问题. 采用国际GNSS服务(IGS)中心提供的2019年电离层数据对高、中、低纬度磁暴和非磁暴的不同年积日数据进行实验,低纬处均方根误差(RMSE)最优可达到0.97 TECU,相对精度为91.28,验证了CEEMD-GRNN预报模型精度高于EMD-GRNN以及单一的GRNN模型.      

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.     

基于ARIMA与Holt-Winters组合模型的电离层TEC预报

分别采用时间序列中的求和自回归移动平均模型ARIMA(Autoregressive integrated moving average)模型和指数平滑模型Holt-Winters的加法模型,对IGS站发布的广西地区16个格网点进行短期的电子含量TEC预报。并利用组合权重的方法对两种模型组合进行TEC短期预报。分析比较不同季节各个模型的预测效果,以及电子含量的变化与太阳黑子数变化之间的联系。结果表明,组合模型的预测精度在各个季节都优于两种单一模型,不同季节,太阳黑子数的含量和电离层电子含量预测的精度也有较大差异。     

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。     

基于Chapman函数的电离层TEC同化模型构建

电离层总电子含量TEC(total electron content)是影响卫星导航定位的主要误差源之一。为了构建精确的电离层TEC模型,基于Chapman函数建立了基于物理机制的电离层TEC同化模型背景场,并着重以IGS发布的2008年4个时段低纬度、中纬度和高纬度地区的电离层TEC数据为样本,同化稀疏点上的已知电离层TEC值,分析模型计算值的残差和相对精度分布,利用模型对电离层TEC进行了2h短期预报和1d预报,并将1d的预报值和IGS发布值进行对比。实验结果表明:(1)由同化模型计算得到的TEC残差值超过92%分布在±2TECU以内,并且除边缘区域外,同化模型TEC计算值的相对精度均在90%以上;(2)2h和1d预报残差小于±3TECU的比例分别为81.8%和81.5%。     

iGMAS全球电离层延迟模型及并行计算策略

针对全球电离层延迟建模中传统串行处理方法效率低等问题,研究了基于全球分布的IGS跟踪站和iGMAS跟踪站观测数据实现全球电离层建模并行解算的基本方法、流程及策略。在Bernese软件基础上研制了一套iGMAS全球电离层延迟建模软件。为了验证并行解算方法的正确性和计算效率,利用全球200个左右IGS跟踪站和6个iGMAS跟踪站2014-08-20-2014-09-06共7周的观测数据,解算了快速电离层TEC格网。与IGS,CODE以及ESA最终电离层格网比较,结果表明:基于该方法解算的快速电离层TEC格网,与CODE,ESA以及IGS最终电离层TEC格网的互差,统计不同纬度带内偏差的均方根误差,全球范围内偏差的均方根误差均在1.5~2.5 TECu之间,南北半球高纬度地区在0.5~1.5 TECu之间,所有地区均优于5 TECu,整体精度与IGS,CODE以及ESA最终电离层TEC格网精度产品相当。     

利用时间序列分析预报电离层TEC

以IGS发布的电离层总电子含量(total electron content,TEC)数据为样本,利用时间序列分析进行预报。将TEC时间序列分解为趋势项、周期项和随机项的组合,并利用相关系数和偏相关系数确定模型阶数。对IGS提供的2008年TEC数据进行预报分析,结果表明,采用时间序列分析能达到较高精度,预报7 d时的平均相对精度为87.75%,预报精度大于60%的预报值占所有预报值的95%以上,预报精度大于85%的预报值占所有预报值的72.6%,95.3%的预报残差小于±3 TECU。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位，而且基于地磁场的定位无需布设任何额外设施，因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题，本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法，并开发了地磁室内导航系统，以智能手机为硬件平台构建磁力计传感器模型，建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内，产生的平均定位误差为1.13 m，最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%；与单一地磁指纹匹配算法相比，定位精度提高了57%。试验证明，本文提出的融合算法对提高室内定位精度具有显著的作用。     

GPS slant total electron content accuracy using the single layer model under different geomagnetic regions and ionospheric conditions

The use of observations from the Global Positioning System (GPS) has significantly impacted the study of the ionosphere. As it is widely known, dual-frequency GPS observations can provide very precise estimation of the slant Total Electron Content (sTEC—the linear integral of the electron density along a ray-path) and that the precision level is bounded by the carrier-phase noise and multi-path effects on both frequencies. Despite its precision, GPS sTEC estimations can be systematically affected by errors in the estimation of the satellites and receivers by Inter-Frequency Biases (IFB) that are simultaneously determined with the sTEC. Thus, the ultimate accuracy of the GPS sTEC estimation is determined by the errors with which the IFBs are estimated. This contribution attempts to assess the accuracy of IFBs estimation techniques based on the single layer model for different ionospheric regions (low, mid and high magnetic latitude); different seasons (summer and winter solstices and spring and autumn equinoxes); different solar activity levels (high and low); and different geomagnetic conditions (quiet and very disturbed). The followed strategy relies upon the generation of a synthetic data set free of IFB, multi-path, measurement noise and of any other error source. Therefore, when a data set with such properties is used as the input of the IFB estimation algorithms, any deviation from zero on the estimated IFBs should be taken as indications of the errors introduced by the estimation technique. The truthfulness of this assessment work is warranted by the fact that the synthetic data sets resemble, as realistically as possible, the different conditions that may happen in the real ionosphere. The results of this work show that during the high solar activity period the accuracy for the estimated sTEC is approximately of ±10 TECu for the low geomagnetic region and of ±2.2 TECu for the mid-latitude. During low solar activity the accuracy can be assumed to be in the order of ±2 TECu. For the geomagnetic high-disturbed period, the results show that the accuracy is degraded for those stations located over the region where the storm has the strongest impact, but for those stations over regions where the storm has a moderate effect, the accuracy is comparable to that obtained in the quiet period.     

Climatological study of ionospheric irregularities over the European mid-latitude sector with GPS

High-frequency variability of the ionosphere, or irregularities, constitutes the main threat for real-time precise positioning techniques based on Global Navigation Satellite Systems (GNSS) measurements. Indeed, during periods of enhanced ionospheric variability, GNSS users in the field—who cannot verify the integrity of their measurements—will experience positioning errors that can reach several decimeters, while the nominal accuracy of the technique is cm-level. In the frame of this paper, a climatological analysis of irregularities over the European mid-latitude region is presented. Based on a 10 years GPS dataset over Belgium, the work analyzes the occurrence rate (as a function of the solar cycle, season and local time) as well as the amplitude of ionospheric irregularities observed at a single GPS station. The study covers irregularities either due to space weather events (solar origin) or of terrestrial origin. If space weather irregularities are responsible for the largest effects in terms of ionospheric error, their occurrence rate highly depends on solar activity. Indeed, the occurrence rate of ionospheric irregularities is about 9 % during solar maximum, whereas it drops to about 0 % during medium or low solar activity periods. Medium-scale ionospheric disturbances (MSTIDs) occurring during daytime in autumn/winter are the most recurrent pattern of the time series, with yearly proportions slightly varying with the solar cycle and an amplitude of about 10 % of the TEC background. Another recurrent irregularity type, though less frequent than MSTIDs, is the noise-like variability in TEC observed during summer nighttime, under quiet geomagnetic conditions. These summer nighttime irregularities exhibit amplitudes ranging between 8 and 15 % of the TEC background.     

GAMIT10.71解算GNSS长基线精度分析

GAMIT／GLOBK已于2020年3月9日发布10.71最新版本,主要新增了北斗三号（BDS-3）数据处理和太阳光压模型等方面的内容．本文利用GAMIT10.71软件,结合旧版本(GAMIT10.7_2019／09／14),对全球35个MGEX(Multi-GNSS Experiment)跟踪站2020年第51-60天共10天的全球卫星导航系统（GNSS）数据进行处理,并从标准化均方根误差(NRMS)、基线重复率、基线长度标准差、基线解算精度及点位精度等四个方面对GPS和北斗卫星导航系统（BDS）解算结果进行对比分析．实验结果表明:各解算方案NRMS值都能达到0.22以内的精度;GPS基线重复率略优于BDS,新旧版本对长基线的相对基线重复率和绝对基线重复率精度都分别能达到1×10-9和1×10-2;新版基线长度解算精度与多日解平差结果略优于旧版,多日解平差结果GPS精度略优于BDS;总体来说,新版GAMIT软件表现效果较好,但针对单BDS系统解算精度而言,还有许多问题值得探讨．      

电离层对星载SAR矩形包络线性调频信号的影响

讨论了电离层对星载SAR矩形包络线性调频信号的影响 ,推导出由电离层引起的图像偏移和峰值二次相位误差的计算公式 ,基于这些公式对P ,L ,C 3个波段的影响作了比较分析。结果表明 :电离层对P波段的影响很大 ,对L波段有一定影响 ,对C波段的影响基本可以忽略。     

利用GNSS数据结合NeQuick模型优化磁暴期F2层临界频率参数估计

F2层临界频率foF2是高频通信的重要参数,目前获取F2层临界频率(foF2)最有效的手段是电离层测高仪,但磁暴期间电离层自身剧烈变化会造成测高仪foF2数据严重缺失。经验模型如NeQuick虽能给出foF2估计值,但磁暴期精度却不及磁静日水平。本文选取2015年12月19日至2015年12月22日磁暴期中国地壳运动监测网GNSS双频数据进行区域建模并估算出电子总含量(total electron content,TEC),利用实测区域TEC对NeQuick模型有效电离参数Az进行估计,得出NeQuick模型优化后TEC总含量和F2层临界频率foF2,并反演出磁暴期初相,主相及恢复相阶段变化过程。以中国地区台站实测数据作为参考对比,结果表明:GNSS数据优化后的NeQuick模型TEC精度大概提升了20%~40%,foF2的实时精度提升了10%~25%。GNSS优化后NeQuick模型能准确反演出电离层的由正相暴转为负相暴演化过程,而原始模型由于仅依赖于输入的太阳活动水平,只能反映出与磁静日水平相当的日变化趋势值。利用该方法可以有效提高磁暴期TEC和foF2的经验模型的计算精度,特别是弥补磁暴期foF2数据缺失的不足,可以作为磁暴期电离层垂直探测仪的有益补充或者有效参考。     

活跃期区域电离层总电子短期预报及适用性分析

太阳活跃期受太阳风高能粒子影响易发生磁暴，使得电离层总电子含量异常扰动，其非平稳性与非线性特征较平静期明显增强。分别利用2011年区域内多个测站的实测数据与IGS（International GNSS Service）发布的全球电离层模型（global ionosphere model，GIM）进行逐点建模，选取db4小波基对样本序列进行分解后，采用时间序列模型对各分量进行预报并重构，实现对ARIMA（auto regressive integrated moving average）模型的改进。通过分析ARIMA模型与改进模型预报值的残差比例和实验区域内均方根误差的分布情况，来评定改进模型的预报精度与适用性。结果表明，改进模型的残差与实验区域内的均方根误差较ARIMA模型总体减小，且该模型对区域内均方根误差峰值能起到较大的削弱作用。     

A new global TEC model for estimating transionospheric radio wave propagation errors

Space-based navigation and radar systems operating at single frequencies of <10 GHz require ionospheric corrections of the signal delay or range error. Because this ionospheric propagation error is proportional to the total electron content of the ionosphere along the ray path, a user friendly TEC model covering global scale and all levels of solar activity should be helpful in various applications. Since such a model is not available yet, we present an empirical model approach that allows determining global TEC very easily. Although the number of model coefficients and parameters is rather small, the model describes main ionospheric features with good quality. Presented is the empirical approach describing dependencies on local time, geographic/geomagnetic location and solar irradiance and activity. The non-linear approach needs only 12 coefficients and a few empirically fixed parameters for describing the broad spectrum of TEC variation at all levels of solar activity. The model approach is applied on high-quality global TEC data derived by the Center for Orbit Determination in Europe (CODE) at the University of Berne over more than half a solar cycle (1998–2007). The model fits to these input data with a negative bias of 0.3 TECU and a RMS deviation of 7.5 TECU. As other empirical models too, the proposed Global Neustrelitz TEC Model NTCM-GLis climatological, i.e. the model describes the average behaviour under quiet geomagnetic conditions. During severe space weather events the actual TEC data may deviate from the model values considerably by more than 100%. A preliminary comparison with independent data sets as TOPEX/Poseidon altimeter data reveals similar results for NeQuick and NTCM-GL with RMS deviations in the order of 5 and 11 TECU (1 TECU = 10¹⁶ electrons/m²) for low and high-solar activity conditions, respectively. The more extended data base of ionosphere information that accumulates in the coming years will help in further improving the set of coefficients of the model.     

CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。