基于EWT-ARMA的短期电离层TEC预测模型

针对电离层总电子含量（TEC）数据非线性、非平稳的特点,在自回归移动平均（ARMA）模型的基础上,结合经验小波变换（EWT）,提出一种组合的短期电离层预测方法。采用IGS提供的电离层TEC格网数据进行实验,通过对比分析可知,相较于单一ARMA模型,本文组合模型在太阳活动低年和太阳活动高年5 d内的平均相对精度分别提高4.8%和2.8%,前1 d内组合模型的平均相对精度分别提高7%和6.1%。     

EWT-Elman组合模型短期电离层TEC预报

针对电离层总电子含量(TEC)非线性、高噪声的特点,建立基于经验小波变换(EWT)和Elman神经网络的短期电离层组合预报模型。运用该模型对不同地磁环境的电离层TEC时间序列进行建模预报,结果表明,EWT-Elman组合模型可反映电离层TEC的变化特征,地磁平静期预测平均相对精度为93%,均方根误差为1.04 TECu;地磁扰动期预测平均相对精度为92.4%,均方根误差为2.18 TECu。单一Elman模型、EMD-Elman组合模型以及EWT-BP组合模型在地磁平静期平均相对精度最高为90.7%,均方根误差最小为1.33 TECu;地磁扰动期平均相对精度最高为90.7%,均方根误差最小为2.57 TECu。对比其他模型,本文方法预测效果最优。     

一种基于噪声统计特性的改进EMD降噪方法

GPS高程时间序列中通常都含有噪声，容易对GPS信号解算精度造成影响。针对这一问题，本文基于噪声统计特性，提出了一种改进的EMD降噪方法。首先将信号进行EMD分解，得到低频信号与高频噪声两个部分；然后将高频噪声部分随机打乱两次，并与原始高频噪声累加，求取平均值；最后与低频信号累加，构成一个新的信号再次进行EMD分解，提取出有用信号。最终利用模拟数据和WUHN站实测GPS高程时间序列数据对该方法进行验证。试验结果表明，当信噪比较高时，本文方法得到的降噪效果更佳。     

Prophet-Elman残差改正电离层TEC短期预报模型

针对电离层TEC非线性、非平稳的特点,建立一种基于Prophet与Elman神经网络相结合的残差改正电离层短期预报模型。利用该模型对IGS提供的不同太阳活动程度期间的电离层TEC时间序列进行建模预报。结果显示,改正模型能够反映电离层TEC的变化特征,在太阳活动低年和太阳活动高年预报的平均相对精度分别为92.9%和92.2%,均方根误差分别为0.94 TECu和1.77 TECu,精度较Prophet-Elman模型及单一Elman模型有显著提高。