改进的多项式+周期项模型的卫星钟差预报

针对现有的超快速钟差产品IGU精度较低以及无法满足实时PPP技术的问题,提出了一种改进的多项式+周期项钟差预报模型。该模型采用多项式+周期项非线性函数对钟差数据进行滑动估计,结合迭代法对拟合模型的随机误差进行自然修正,以实现对卫星钟差的预报估计。通过与常见的多项式模型、灰色系统模型和多项式+周期项模型的对比分析,结果表明:改进的多项式+周期项模型更加适用于卫星钟差预报,在1天内,其预报精度RMS可以达到0.57 ns,最大偏离程度为1 ns,明显优于灰色系统模型和多项式+周期项模型;随着预报时间的增长,多项式模型、灰色系统模型和多项式+周期项模型的预报精度大幅降低,而改进的多项式+周期项模型没有大幅的变化,预报结果比较稳定。      

EEMD分解的超快速北斗卫星钟差预报

为提高北斗卫星钟差预报精度,本文提出采用多项式和集合经验模态分解相结合的模型进行北斗卫星钟差的预报,并采用GPS数据验证算法的正确性。在剔除卫星钟差中的趋势项部分后,利用经验模态分解法对残差分解得到不同频率的时间序列。对各时间序列用不同模型进行预报并进行线性组合,最终的钟差预报值由趋势项和各时间序列的预报值复合而成。试验表明:该模型对北斗卫星钟差预报取得了较好的结果,与ISU-P相比,精度提升幅度在7.3%~43.0%之间。     

含误差预报校正的GM(1,1)卫星钟差预报新方法

为了提高卫星钟差预报精度,该文提出用AR(p)模型对GM(1,1)建模过程中的模型残差进行建模预报,以此来提高GM(1,1)模型预报卫星钟差的精度。首先,剔除卫星钟差数据中的异常值,采用拉格朗日插值法将缺失的数据补齐;然后,用GM(1,1)模型对卫星钟差进行预报,对GM(1,1)的模型残差作平稳化处理后,采用AR(p)模型对处理后的残差序列进行预报;最后,将GM(1,1)和AR(p)模型的预报结果对应相加即得到钟差的最终预报值。此外,该文采用IGS公布的事后精密卫星钟差进行预报试验,并将该文结果与卫星钟差预报中常用的二次多项式和修正指数曲线法模型预报结果进行对比分析。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。     

抗差Vondrak滤波方法在时间频率传递中的应用

时间频率传递的结果会受到非模型化误差和观测噪声的影响,其噪声常为高频信号,构建低通滤波器可在一定程度上消除观测值序列中的高频噪声信号.本文对Vondrak滤波函数的本质进行剖析,通过IGG3算法对钟差序列进行定权并采用频率响应法选择适合的滤波因子;对不同的链路分别进行卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)、基于软件接收机的卫星双向时间传递(two-way satellite time and frequency transfer based on software defined receiver, SDR-TWSTFT)和短基线共视时间频率传递实验,并对钟差结果采用抗差Vondrak滤波进行平滑去噪.结果表明：滤波后的钟差序列能够很好地反映原始钟差序列的趋势;平滑后的TWSTFT钟差结果,日波动效应得到了有效的抑制,精度有明显提升;对于共视钟差结果,精度有明显提升,与精密单点定位(precise point positioning,PPP)时间传递结果的差值保持在-1.0～1.0 ns范围内.     

顾及卫星钟随机特性的抗差最小二乘配置钟差预报算法

为了更好地反映钟差特性并提高其预报精度,采用抗差最小二乘配置方法建立一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差预报模型。首先使用附有周期项的二次多项式模型进行拟合提取卫星钟差的趋势项与周期项,然后针对剩余的随机项及其可能存在的粗差,采用抗差最小二乘配置的原理进行建模,其中最小二乘配置的协方差函数通过对比协方差拟合的方法并结合试验进行确定。使用IGS精密钟差数据进行预报试验,将本文方法与二次多项式模型、灰色模型进行对比,预报精度分别提高了0.457 ns和0.948 ns,而预报稳定性则分别提高了0.445 ns和1.233 ns,证明了本文方法能够更好地预报卫星钟差,同时说明本文的协方差函数确定方法的有效性。     

顾及钟差变化率的GPS卫星钟差预报法

提出了一种基于钟差变化率拟合建模的卫星钟差预报方法。以附加周期项的线性或二次多项式作为基础模型对钟差变化率序列进行拟合,最优估计卫星钟差的趋势项系数,然后直接使用精密定轨得到的相应时刻的卫星钟差计算预报初始时刻的基准项系数,来建立卫星钟差的预报模型。以IGS发布的快速星历(IGR)的卫星钟差为试验数据,对GPS星座中各种型号的所有卫星钟差进行预报。结果表明:本文方法3、6、12与24h的预报精度分别可达0.43、0.58、0.90与1.47ns,相比于传统的基于钟差拟合的预报方法,精度分别提高69.3%、61.8%、50.5%与37.2%;与IGS发布的超快速星历(IGU)的预报钟差相比,钟差精度分别提高15.7%、23.7%、27.4%与34.4%。     

基于IGS超快星历预报卫星钟差及其精度分析

在实时GPS精密单点定位中,能否快速有效地得到高精度的卫星钟差预报值是影响实时单点定位速度和精度的一个重要因素,由于GPS原子钟的高频率、高敏感和极易受到外界及其本身因素影响的性质使得卫星钟差预报至今都没能得到很好地解决,本文在目前的卫星钟差预报基础上,分别探讨了利用灰色模型理论、线性模型和二次多项式模型等方法,以IGS超快星历中2004年12月7日卫星钟差观测资料预报8日的卫星钟差为例进行卫星钟差预报研究,初步得出如下结论:在利用IGS超快星历的前一天的卫星钟差观测值预报后一天的钟差时,线性模型相对方便有效;而灰色模型只要选取合适的模型指数系数,能得到较高精度;但二次多项式模型预报精度较差。利用线性模型能达到或优于IGS超快星历预报钟差的预报精度。     

基于时间序列分解的GPS卫星钟差预报

根据二次多项武和灰色模型在卫星钟差预报中的特点,本文提出以ARMA(Autoregressive Moving Aver-age)模型分别进行改进;对IGS(International GPS Service for Geodynamic)提供的精密钟差进行时间序列分解,根据预报时间的长短,趋势项分别采用二次多项式和灰...     

MGEX钟差产品精度分析

IGS的多GNSS实验项目MGEX(Multi-GNSS Experiment)提供的精密钟差产品广泛应用于高精度导航定位领域。本文研究了卫星钟差精度评估的方法,以IGS最终钟差作为GPS卫星基准,以北斗星地双向时间频率传递钟差作为北斗卫星基准,对GFZ、CODE和WHU这3个分析中心的MGEX钟差产品精度进行了分析。研究结果表明:MGEX实验的GPS最终钟差RMS优于0.30 ns;超快速钟差实测部分RMS优于0.16 ns;24 h预报误差RMS优于3.5 ns。各分析中心北斗GEO卫星最终钟差互差RMS为0.75 ns;IGSO卫星为2.27～3.8 ns;MEO卫星为0.6～1.2 ns。北斗星地双向时间频率传递检核GEO卫星最终钟差RMS为2.6～2.7 ns;IGSO和MEO卫星为1～1.5 ns。北斗卫星超快速钟差实测部分RMS优于1 ns;24 h预报误差RMS为7～9 ns。     

用多卫星钟来建立自主定轨时的参考时间基准

提出了采用多个卫星钟通过加权来确定导航卫星自主定轨时的时间基准的方法。在分别采用二次多项式、切比雪夫多项式以及灰色模型对32颗GPS卫星进行钟差长期预报的基础上,选出预报效果最好的几个卫星钟及其预报模型,通过一定的定权方案得到时间基准。实验结果表明,用多个卫星钟通过加权来确定时间基准能提高预报精度且结果更稳定。     

Numerical prediction methods for clock deviation based on two-way satellite time and frequency transfer data

Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is 1 ns or so, when modified AR model is used.     

Numerical prediction methods for clock deviation based on two-way satellite time and frequency transfer data

Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is Ins or so, when modified AR model is used.     

利用BP神经网络改进电离层短期预报模型

电离层总电子含量TEC(Total Electron Content)是电离层的一个重要特征参数。对TEC的预报也已经成为电离层研究的一个热点。根据JS CORS中心提供的GPS观测数据,建立了区域实时多站多项式模型;并分别以模型计算得到的南京地区的电离层电子含量数据和苏州地区的电离层电子含量数据为样本,采用时间序列和BP神经网络融合模型进行了预报。结果表明,采用融合模型在短期预报中能够取得较好的效果,精度比时间序列模型提高20%左右。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报。首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性。     

基于线性分析及AR模型在GNSS时间序列中的应用

GNSS技术是现代测量技术的代表。为了提高GNSS时间序列的精度,本文利用时间序列线性分析的方法,探测分析时间序列存在的趋势项、周期项以及复杂程度。利用线性拟合方法获取了3个方向的拟合函数;自相关和偏自相关函数探测出时间序列存在周期项和趋势项;应用AR(p)模型对时间序列进行了短期预测分析,通过模型定阶、估计,确定了AR(2)为最佳的预测模型,随着预测步数的增加,预测精度逐渐降低。     

结合注意力机制和Bi-LSTM的降雨型滑坡位移预测

受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势。为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型。首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测。试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高。     

基于极大熵和小波的时间序列数据预测研究

在极大熵准则的基础上,以苏州虎丘塔的历史形变观测数据为例,进行时序数据的预测分析。研究不同的样本数据选择原则对预测效果的影响。然后在一致的样本基础上,得到基于不同的模型参数估计方法的时序数据预测曲线,并通过小波的去噪分析进行不同曲线之间优劣的比较。结果表明,在1985年到2000年期间,塔体的变形周期在不断的延长,但总体而言,塔体的变形是在不断的加剧。而基于极大熵参数估计法的AR(p)模型能对实际的观测曲线有很好模拟和预测效果,选择均匀步长的样本数据对提高模型预测精度是很重要的。     

基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。     

姿态模式切换期间QZSS卫星轨道及其钟差产品特性分析

导航卫星姿态控制模式切换对精密定轨解算得到的轨道和钟差均有较大影响。本文首先从理论上分析了卫星偏航姿态及其对精密定轨的影响,然后分别以卫星激光测距检核和钟差多项式拟合的方法对IGS MGEX分析中心的QZSS卫星轨道和钟差产品精度进行评价,最后以谱分析方法和改进阿伦方差揭示了卫星钟差的周期特性。基于2014年全年的QZSS卫星轨道和钟差产品的研究表明,一年内有两次长约20 d的地影季,太阳角呈现半年周期的波动;QZSS卫星在低太阳角时有零偏保护,其卫星轨道和钟差精度都与太阳角有显著相关性;卫星钟差具有与轨道周期相近的周期项,且周期项振幅与太阳角的大小也具有相关性,表明现有的定轨策略存在不足。考虑到QZSS与目前北斗星座中IGSO和MEO卫星姿态控制模式的相似性,该结论对于研究我国BDS姿态切换期间的精密定轨有一定参考价值。     

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题,引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ,采用改进的G-P算法计算最佳嵌入维数m,进行相空间重构,并与传统算法对比抗干扰性,计算效率等得到了改善,运用Lvyapunov指数判别该时间序列的混沌特性;最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型,分别对观测数据进行预计分析,将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度,RBF神经网络混沌预计模型的预计精度最高,证明混沌时间序列预计精度可靠,能够实时对桥身变形进行监测,避免灾害的发生。