排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
为了提高卫星钟差预报的精度,提出基于Vondrák滤波1阶差分的灰色模型算法.首先,对原始钟差数据序列采用Vondrák滤波处理后,得到1组新的钟差数据序列.然后,对相邻历元的钟差数据序列作1阶差分处理.最后,基于Vondrák滤波后的1阶差分的钟差差值数据序列,建立了GPS钟差预报的灰色模型.此外,采用了IGS(International Global Navigation Satellite System Service)公布的精密卫星钟差数据进行了预报试验,通过与卫星钟差预报中常用的2次多项式模型和直接采用原始钟差数据建立灰色预报模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报.在12 h、16 h、20 h和24 h的平均预报精度分别为0.50 ns、0.85 ns、1.08 ns和1.27 ns,相比于2次多项式模型的平均预报精度分别提高了24.24%、15.84%、12.90%和11.81%;相比于直接采用原始钟差数据建立灰色预报模型的平均预报精度分别提高了56.14%、49.40%、48.82%和47.80%. 相似文献
2.
针对卫星钟差呈现趋势项和随机项变化的特点,提出了基于GM(1,1)(灰色预报模型)和修正指数曲线法(Modified Exponential Curve Method,MECM)的组合预报模型.该模型首先采用GM(1,1)预报钟差的趋势项,然后利用MECM模型对GM(1,1)残差序列进行建模和预报,最后将GM(1,1)和MECM模型的预报结果相加得到钟差的最终预报值.此外,采用IGS(International Global Navigation Satellite System Service)公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式和MECM模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报.使用12 h钟差建模时,预报6 h、12 h、18 h和24 h的平均预报精度分别为0.43 ns、0.63 ns、0.74 ns和0.79 ns,相比于二次多项式的平均预报精度分别提高了57.43%、69.71%、80.47%和86.74%,相比于MECM模型的平均预报精度分别提高了50.57%、64.41%、76.80%和84.20%;使用24 h钟差建模时,预报6 h、12 h、18h和24 h的平均预报精度分别为0.57 ns、0.61 ns、1.02 ns和1.48 ns,相比于二次多项式的平均预报精度分别提高了32.94%、55.47%、55.07%和53.16%,相比于MECM模型的平均预报精度分别提高了92.98%、66.30%、65.42%和63.99%. 相似文献
1