���SSA��ARMAģ��Ԥ�������TEC

???????????TEC????????????????????SSA????????TEC????У???SSA??????????????????ARMA???????????????????????????????IGS????2010??????TEC?????????飬???????????????????????5 d??TEC????????????92%???????ARMA??????4%??     

ARMAģ���ڵ�������TEC�쳣̽���е�Ӧ��

????IGS??????????????????????TEC????,??????????з????????е?ARMA????2008-05-12??Ms8.0?????????TEC??????д???,??ARMA???TEC????????????TEC?????ο??,?????????????TEC??????????о??????????,??????????????о??????????????μ??????,?·????????13??d??12??d??10??d??7??d?????????TEC?????????????????????TEC?????????,????ARMA??????????Ч???????????TEC?????????,???????????     

����С����ARMAģ�͵������Ӳ�Ԥ������

???????????????????????????????????????????????????????????????????????????????????????????????????????????С????ARMA????????????????????????в???IGS?????????????????????????????????????????????????????????     

ARMA模型在地震电离层TEC异常探测中的应用

基于IGS数据分析中心提供的全球电离层TEC数据,利用时间序列分析理论中的ARMA模型对2008-05-12汶川Ms8.0地震的电离层TEC资料进行处理,将ARMA模型TEC预报值作为电离层TEC背景参考值,对地震前后的电离层TEC进行异常探测研究。结果表明,在取得了与其他研究方法结果基本一致的基础上,新发现震前第13d、12d、10d、7d也存在电离层TEC异常扰动现象。说明以全球电离层TEC数据为基础,利用ARMA模型同样能有效探测到震前电离层TEC异常扰动现象,并达到较高精度。     

英镑兑美元汇率分析及预测

根据外汇汇率数据的特点，尤其是数据之间的依赖关系这一重要特性，并结合汇率预测要求快且准的原则，以数理统计学为基础，采用时间序列分析中的ARMA方法。通过数据的平稳性分析、模型的识别、参数估计、模型诊断以及最后预测精度的分析，建立了英镑兑美元汇率的ARMA预测模型并验证了其有效性。     

������С������ARMA���ģ�͵ĺ�ƽ���쳣Ԥ��

??????С??????????????????е?????????????????????????????в????????ARMA????????????????????????????????????1???????????0.29 cm???????????????0.63 cm????????????????????????????Ч???ж???SLA?????     

基于ARMA模型的地磁偏角缺数处理方法

针对地震仪器记录的地磁数据存在单点缺失和连续多点缺失而不利于地震数据处理和地震预报的问题,同时为了快速处理非震异常值,本文提出将时间序列自回归移动平均（ARMA）预测模型用于地磁数据插值处理,并与均值插值、线性插值进行对比分析。结果表明,均值插值、线性插值和 ARMA 模型单点缺失的平均标准误差分别为 0.110 2、0.006 9 和 0.000 1,连续多点缺失的平均标准误差分别为 0.258 23、0.194 2 和 0.004 86,说明 ARMA 模型在单点缺失和连续多点缺失时均具有较低标准误差,且能很好地保持实际观测序列的曲线形态,插值效果较好,有望成为地磁数据序列处理的一种新方法。     

不同插值方法对典型固体潮水位插值结果比较

选取9口固体潮观测井的3种典型水位数据,用5种插值方法进行插值分析。结果表明,三次多项式插值法对少量数据缺失的插值效果最佳;线性插值法对趋势变化大、固体潮汐波动被压制水位的插值效果最好;ARMA模型预测法对固体潮显著、趋势变化平缓水位的插值效果最佳;线性插值和ARMA模型预测法对固体潮清晰、短期起伏波动水位的插值效果各有其优势。     

����GPS��վ����в����е�ARMA��ģ�����о�

??GPS???????в????????????????ARMA?????????佨???????Box-Jenkins??????Pandit-Wu???????????????????????????????????,???в??????????????????????Ч??????????????????????????????Pandit-Wu???????Ч???????Щ,???в??????Box-Jenkins?????????1/3??????????????     

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%。     

���ڹ�����ԭ���ӵ��Ӳ�Ԥ�������о�

??????????????????????????????3????????й????????????????????????????????н??????????????????????????????????????????3????????????????????????????????????????????????????????????????????????????????????????????????????????????     

一种顾及钟差周期误差和随机特性的卫星钟差预报方法

提出一种顾及钟差周期误差和随机特性的卫星钟差预报方法。首先通过比较二次多项式加1、2、3、4个主要周期误差的模型,取其优者求得钟差预报的拟合值;然后针对拟合残差值的随机特性采用灰色模型进行建模,求得拟合值残差预报值;最后,将其与之前求得的预报值相结合得到最终的钟差预报值。采用IGS的15 min精密钟差数据进行实验,结果表明,在短期预报中,加2个主要周期误差的模型预报性能最好,并且新模型的预报精度优于常用算法。     

�����б�ѩ�����ʽģ�ͽ���ʱ��Ԥ�����о�

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

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。     

GPS卫星钟差高精度模型化及在精密单点定位中的应用

采用多项式和结合周期项的混合函数模型进行GPS卫星钟差高精度模型化与精度分析。结果表明,周期项对于卫星钟差模型化精度的提高具有重要作用。对于Rb 钟卫星,Block ⅡF卫星钟差模型化精度0.03 m（约0.1 ns）左右,Block ⅡR和Block ⅡR-M卫星钟差模型化精度0.05 m（约0.2 ns）左右,而Cs钟卫星钟差模型化精度则低一个数量级。采用精密单点定位进行模型化结果分析得到,混合模型化钟差参与解算的定位结果精度可达cm级,收敛时间约为4 h。以上表明,简单的模型化参数可在一定程度上代替繁琐的序列钟差,实现简化GPS卫星钟差服务模式。     

һ�ָĽ��ĸ߲����������Ӳ���ⷽ��

????????????????????????????????????????????????????÷??????????????GPS????????е???????????????λ??????IGS????????????????????????????ν???????????????????????????????????仯??????????????????????????????????仯????????????????????????仯?????????????????????????????仯?,??????????????????????????????ó???????????????????????????????????У??????????????????????????t????????????????????ж???????????????????????λ????????峱???????????????????????????÷???????δ?????????????????????????????????????????????????????     

基于PPP的对流层延迟估计方法及其影响因素分析

介绍利用精密单点定位（PPP）技术进行天顶对流层延迟（ZPD）估计的方法,从投影函数模型选取、卫星截止高度角设置、精密星历与精密钟差的使用3方面分析了各种因素对天顶对流层延迟估计精度的影响,确定了相对较优的模型和数据处理策略。大量的算例和分析表明：采用NMF与GMF均可获得较高精度的ZPD,二者差异甚小;采用5°~10°的截止高度角更利于得到较好的ZPD结果;采用快速精密星历和钟差、实时观测精密星历和快速精密钟差解算的ZPD结果与采用事后精密星历和钟差的精度是相当的,而采用外推超快精密星历和快速精密钟差解算测站ZPD值的结果精度稍有下降,但仍具较高的精度。     

基于非差与历元差分两种观测模型估计精密卫星钟差的方法比较

研究了非差与历元差分两种观测模型估计精密卫星钟差的方法,评价了分别利用两类观测模型估钟的特点。通过实际算例分析了两种观测模型估钟的处理速度与精度。计算结果表明：基于非差观测模型估计卫星钟差精度高、观测信息没有损失、可靠性高、可以实现模糊度固定,但由于未知参数多,解算速度较慢,且需要经过一段时间的收敛才能达到所需精度;而历元差分模型估计卫星钟差待求参数较少,计算效率高,且不存在收敛过程,但估钟精度比非差模型估钟收敛后的精度略低,且得不到钟差初值,需从导航电文中提取或通过其他方式获取,不过由此引起的系统性偏差,在定位时可被模糊度和接收机钟差吸收,不影响最终的定位结果。     

���ڹ㲥������������Ӳ���ƵķDz�ʵʱ���ܶ�λ����

???????????????????????????????????????????????Χ?????????λ???????????PANDA????????????????в????????????????????????Χ????????????????????????????????????￡???ù???????????????????????1 cm?????6 cm???λ?????