基于EM算法优化相关向量机的BDS-3超快速钟差预报

提出一种基于EM算法优化相关向量机(RVM)的BDS-3超快速钟差预报算法。首先,利用组合MAD法预处理钟差数据,并进行一次差分计算;然后,利用钟差一次差分数据对RVM模型进行训练,通过EM算法迭代求取模型的超参数;最后,利用优化后的RVM模型进行数据预测,将钟差一次差分预测值还原,得到钟差预报值。采用iGMAS中心提供的实测BDS-3超快速钟差数据进行预报实验,并将本文模型与QP模型、SA模型及iGMAS超快速钟差预报产品(ISU-P)结果进行对比分析。结果表明,对于6 h、12 h和24 h预报,本文模型预报BDS-3卫星钟差数据的平均精度均优于0.61 ns;与ISU-P、QP模型和SA模型相比,本文模型预报24 h时精度分别提升64.1%、50.0%和49.2%。     

几种卫星钟差预报模型预报效果的分析与比较

采用GPS精密钟差数据进行预报试验,对二次多项式模型、谱分析模型、GM(1,1)模型、ARIMA模型以及Kalman滤波模型5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,并对GPS系统目前运行的6种星载原子钟的预报特性进行简单分析。     

基于修正钟差一次差分数据的卫星钟差预报

对钟差一次差分预报原理进行改进,分析常用的一次多项式模型、二次多项式模型和灰色模型在采用改进原理进行预报时的相关特性。结果表明,对钟差一次差分预报原理的改进是有效的,可以提高常用模型在钟差短期预报中的预报精度。     

导航卫星钟差预报的Elman神经网络算法研究

针对卫星钟差不能被精确模型化的问题,将具有较强记忆功能和强大计算能力的Elman神经网络运用到卫星钟差预报中,提出适用于卫星钟差预报的Elman模型。首先对原始钟差数据进行一次差处理,然后选择合适的神经网络结构建立预报效果最佳的Elman钟差预报模型,最后选用国际GNSS服务（IGS）提供的精密钟差数据进行GPS卫星钟差预报,并与二次多项式模型、附加周期项的多项式模型和灰色系统模型进行对比分析。结果表明,Elman模型进行1 d、7 d和30 d钟差预报的精度得到显著提高,分别达到亚ns、ns和μs级,表明该模型的钟差预报性能优于3种常用模型,在卫星钟差预报中具有可行性。     

最优非负变权组合模型在卫星钟差预报中的应用

针对单一卫星钟差预报模型自身存在的缺陷,提出基于二次多项式、灰色GM（1,1）和ARIMA等三种单一模型的最优非负变权组合预报模型。通过与各单一模型和经典权组合模型进行对比分析表明,该模型预报残差RMS值最小,精度更高,能够根据各模型预报效果赋予不同的权值,在一定程度上综合了多种单一模型的优点,可降低预报风险,提高模型预报的可靠性。     

GM(1,1)模型初始条件优化及其在GNSS钟差预报中的应用

针对现有改进GM(1,1)模型在导航卫星钟差预报中性能无明显提升的问题,提出通过优化初始条件来提高钟差预报精度的方法。首先构建初始条件未知的GM(1,1)预报模型,然后采用原始序列的最新分量求解初始条件,最后利用该模型对IGS提供的精密钟差数据进行预报实验。结果表明,将初始条件优化后的GM(1,1)模型用于钟差预报切实可行,且预报精度比传统GM(1,1)模型有较大提高。     

BDS星载原子钟周期项特性及预报研究

采用频谱分析方法对BDS星载原子钟的周期项变化规律进行分析,继而构建了附有周期项的精密钟差预报模型。在此基础上,对预报模型的短期预报效果和不同类型卫星的预报精度差异进行分析。结果表明,不同类型的卫星均表现出较为显著的12 h和24 h的周期项变化规律,但其对应的能量幅值存在差异;与传统的二次多项式预报模型相比,结合周期项改正的钟差预报模型能够提高预报精度,6 h的预报精度约为2 ns,24 h的预报精度约为10 ns。     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...     

基于SAFA-FDGM(1,1)模型的BDS钟差预报

为建立高精度的BDS钟差预报模型,提出一种基于改进的萤火虫算法优化的分数阶离散型灰色系统SAFA-FDGM(1,1)钟差预报模型。为避免萤火虫算法陷入局部最优解,提高萤火虫算法的优化能力,本文引入惯性权重因子,同时对吸引力因子、步长因子进行改进;利用改进的萤火虫算法自动优化选取FDGM(1,1)分数阶因子来提高FDGM(1,1)数据拟合精度。分别采用C02(GEO)、C09(IGSO)、C12(MEO)三种不同类型卫星的钟差数据进行实验分析,结果表明,本文预报模型优于传统二次多项式模型与GM(1,1)模型,其中3~6 h预报误差小于1 ns,9~12 h预报误差优于2 ns,对建立高精度的BDS卫星通用钟差预报模型具有重要参考价值。     

基于GM(1,1)+AR模型的钟差短期预报改进算法研究

针对传统GM(1,1)+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时刻的不同实时调整AR模型阶数。考虑到原始钟差建模序列长度会对预报精度造成影响,分别使用2 h、6 h、12 h和24 h的钟差序列构建模型。实验结果表明,改进模型的预报精度较传统方法有一定提高,且预报结果更稳定;使用不同长度的钟差序列构建模型对预报结果有一定影响,其中二次多项式模型受原始序列长度的影响较大,改进模型受影响较小。     

BDS卫星钟差短期预报性能分析

采用BDS精密钟差数据进行短期预报实验,通过线性模型、二次多项式模型、灰色模型和Kalman滤波模型对14颗BDS卫星的钟差预报效果进行比较和分析,总结不同类型卫星的钟差预报性能和利用各模型进行BDS卫星钟差预报的相关特性。     

�����б�ѩ�����ʽģ�ͽ���ʱ��Ԥ�����о�

????????????????????????????????????б????????????????IGS???????????????????3???????????GPS??????????????1??????????????????????Ч?????з??????????????????????б?????????????????????????????????????????Ч??????С???????????б???????????????????????????????????????????     

基于小时观测文件拼接的GPS实时钟差确定算法

针对目前常用的GPS实时钟差确定算法主要基于实时观测数据流实现,使产品可靠性和完整性受限于网络质量,及广播星历和IGU-P精度较低的问题,提出并实现基于小时观测文件拼接的实时钟差确定算法。该算法基于小时观测文件数据,通过将钟差估计与自适应超短期钟差预报相结合以确定实时钟差。30 d实时在线结果显示,基于小时观测文件确定的实时钟差精度约为0.25 ns,优于广播星历和IGU-P,与IGS RTS提供的实时钟差精度相当,且能保证产品的可靠性和完整性。     

一种北斗二代卫星钟差的数据质量控制方法

考虑北斗二代卫星长期钟差序列中存在的钟跳、粗差及数据缺失现象,提出一种钟差序列的数据质量控制方法。利用频率序列识别钟跳,采用阈值法进行异常数据段剔除以及结合MAD和Baarda数据探测法共同进行粗差探测与剔除,再利用线性内插对缺失数据进行插补,得到干净的钟差序列。实测数据表明,这种钟差质量控制策略可以显著提高北斗钟差序列信息提取的准确性以及钟差预报精度。