一种北斗卫星钟差短期预报组合方法

针对北斗卫星钟差预报研究较少的情况,基于灰色模型与BP神经网络模型,构建一种全新的组合预测模型. 该组合钟差预测模型通过最优权方法有效结合两种单一模型的优点,实现北斗钟差的短期预报. 最后,以北斗三种型号卫星所携带的原子钟数据为例,计算出每种单一模型的权重,通过构建最优权预报模型实现了钟差的短期预报,预报结果优于两种单一模型,证明了该组合预报模型在钟差短期预测方面有效性与适用性.      

基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性.     

一种北斗卫星钟差短期预报新方法

为提高北斗卫星的定位与授时精度,必须准确计算出卫星钟差数值。本文考虑北斗卫星钟差中随机部分误差的影响,尝试建立北斗卫星钟差拟合推估模型,根据拟合推估两步极小解法解算该模型,在求解协方差函数系数中,依据模型残差拟合多项式系数;并与常用的灰理论模型、拟合推估的正常解法钟差预报模型结果进行比对,算例结果表明了两步极小解法及拟合推估模型在北斗卫星钟差短期预报方面的有效性。     

卫星钟差组合预报模型研究及其应用

为了提高卫星钟差预报的精度与稳定性,本文综合幂函数变换的GM(1.1)模型与Elman神经网络模型的优势,提出了一种组合卫星钟差预报模型。该组合预报模型实现卫星钟差预报的流程为：首先,使用钟差数据对幂函数变换的GM(1.1)模型进行建模并进行钟差预报;其次,将幂函数变换的GM(1.1)模型预报残值作为Elman神经网络模型训练样本进行模型训练与残差值预报;最后,将幂函数变换的GM(1.1)模型预报值与Elman神经网络模型残差预报值相加得到组合预报值。使用IGS提供的精密钟差数据进行实验,结果表明,本文提出的组合预报模型较单一的预报模型的预报精度与稳定性均有较大程度的提高,本文的研究对于高精度卫星钟差预报模型的建立具有重要参考价值。     

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。     

顾及钟差随机项的GPS卫星钟差预报

针对卫星钟差呈趋势项和随机项变化的特点,提出了基于GM(1,1)与自回归求和移动平均的组合预报模型。该模型首先采用GM(1,1)模型预报钟差的趋势项部分,然后利用ARIMA模型对GM(1,1)的模型残差序列进行建模和预报,最后将GM(1,1)和ARIMA模型的预报结果对应相加即得到钟差的最终预报值。此外,采用IGS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模型和修正指数曲线法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。用12 h钟差建模时,预报未来6、12、24和48 h的平均预报精度分别为0.71、1.17、1.93和4.38 ns,相比于二次多项式模型的平均预报精度分别提高了29.70%、43.75%、67.62%和76.21%;相比于修正指数曲线法模型的平均预报精度分别提高了18.39%、33.90%、61.40%和70.49%。     

多星定轨条件下北斗卫星钟差的周期性变化

基于地面监测网的多星精密定轨可以同时解算出北斗卫星轨道和卫星钟差。由于轨道和钟差的耦合影响,卫星钟差时序难免会出现周期性波动。此外,受限于目前并不完善的北斗全球监测网络分布、系统导航文件缺失以及定轨后处理软件的设置问题,3类卫星的钟差均存在大量数据间断问题。本文利用适用于间断数据的谱分析方法,对多星定轨条件下的北斗卫星钟差数据进行了周期项提取,并利用周期项改进后的钟差预报模型评估了24h以内的预报精度。基于近一年的数据分析表明,北斗GEO卫星钟差3个主周期依次为12、24和8h,IGSO卫星钟差的3个主周期依次为24、12和8h,而MEO卫星钟差的3个主周期依次为12.91、6.44和24h。与改进前相比,周期项改进后的钟差预报模型将北斗卫星钟差在24h以内的预报精度提高了20%~40%。     

最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

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。     

顾及周期项误差和起点偏差修正的北斗卫星钟差预报

根据北斗卫星导航系统星载原子钟自身的物理特性,采用武汉大学IGS数据中心发布的2016年1月1日至2016年11月1日共306天的事后钟差产品进行谱分析。分析结果表明:北斗卫星导航系统的3类卫星钟都存在一定的周期特性;其中GEO和IGSO卫星钟的主周期相对较为明显;GEO卫星钟的主周期依次为12、24、8和6h;IGSO的主周期为24、12、8和6h;而MEO的3个主周期为12.9、6.4和24h。依据各类原子钟的周期特性,同时对各天之间钟差的起始点偏差进行修正,并利用修正模型对北斗卫星钟差进行预报和精度分析。试验结果表明,改进的预报模型能显著提升北斗卫星的钟差预报精度,北斗卫星钟差24h、12h、6h的平均预报精度分别能达到6.55ns、3.17ns和1.76ns。