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。     

BDS星载原子钟周期项特性及预报研究

采用频谱分析方法对BDS星载原子钟的周期项变化规律进行分析,继而构建了附有周期项的精密钟差预报模型。在此基础上,对预报模型的短期预报效果和不同类型卫星的预报精度差异进行分析。结果表明,不同类型的卫星均表现出较为显著的12 h和24 h的周期项变化规律,但其对应的能量幅值存在差异;与传统的二次多项式预报模型相比,结合周期项改正的钟差预报模型能够提高预报精度,6 h的预报精度约为2 ns,24 h的预报精度约为10 ns。     

基于混沌加权一阶局域法的IGS超快星历钟差预报

为提高IGS超快星历钟差预报产品的精度,针对卫星钟差数据具有确定项和随机项成分的特点,在采用多项式模型对钟差确定项建模的基础上,提出采用混沌加权一阶局域法对钟差随机项进行建模预报。仿真结果表明,采用混沌加权一阶局域法的预报精度优于超快星历钟差预报产品。     

基于修正钟差一次差分数据的卫星钟差预报

对钟差一次差分预报原理进行改进,分析常用的一次多项式模型、二次多项式模型和灰色模型在采用改进原理进行预报时的相关特性。结果表明,对钟差一次差分预报原理的改进是有效的,可以提高常用模型在钟差短期预报中的预报精度。     

基于EM算法优化相关向量机的BDS-3超快速钟差预报

提出一种基于EM算法优化相关向量机(RVM)的BDS-3超快速钟差预报算法。首先,利用组合MAD法预处理钟差数据,并进行一次差分计算;然后,利用钟差一次差分数据对RVM模型进行训练,通过EM算法迭代求取模型的超参数;最后,利用优化后的RVM模型进行数据预测,将钟差一次差分预测值还原,得到钟差预报值。采用iGMAS中心提供的实测BDS-3超快速钟差数据进行预报实验,并将本文模型与QP模型、SA模型及iGMAS超快速钟差预报产品(ISU-P)结果进行对比分析。结果表明,对于6 h、12 h和24 h预报,本文模型预报BDS-3卫星钟差数据的平均精度均优于0.61 ns;与ISU-P、QP模型和SA模型相比,本文模型预报24 h时精度分别提升64.1%、50.0%和49.2%。     

基于一次差分预报原理的常用钟差预报模型效果分析

基于15d的精密卫星钟差数据,从不同角度全面分析6种常用钟差预报模型(LP模型、QP模型、GM模型、SA模型、ARIMA模型、KF模型)基于钟差一次差分预报原理的预报效果,得到以下结论:1)采用钟差一次差分预报原理,可以提高LP模型、SA模型、GM模型及KF模型对于GPS卫星钟差的3h预报精度,提高QP模型和ARIMA...     

导航卫星钟差预报的Elman神经网络算法研究

针对卫星钟差不能被精确模型化的问题,将具有较强记忆功能和强大计算能力的Elman神经网络运用到卫星钟差预报中,提出适用于卫星钟差预报的Elman模型。首先对原始钟差数据进行一次差处理,然后选择合适的神经网络结构建立预报效果最佳的Elman钟差预报模型,最后选用国际GNSS服务（IGS）提供的精密钟差数据进行GPS卫星钟差预报,并与二次多项式模型、附加周期项的多项式模型和灰色系统模型进行对比分析。结果表明,Elman模型进行1 d、7 d和30 d钟差预报的精度得到显著提高,分别达到亚ns、ns和μs级,表明该模型的钟差预报性能优于3种常用模型,在卫星钟差预报中具有可行性。     

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。     

一种顾及参数稀疏的GNSS瞬时钟差模型

提出一种顾及参数稀疏的GNSS瞬时钟差模型构建算法,该算法通过在最小二乘多项式拟合中附加L₁范数项(Lasso)进行约束,并采用滑动建模的方式拟合钟差模型,即滑动Lasso拟合法。使用GFZ 300 s钟差产品作为训练数据,通过10折交叉验证获得正则化参数,建立钟差模型,并与常用的钟差建模加密算法进行卫星钟差拟合精度与PPP定位精度对比。实验结果表明,滑动Lasso拟合法在进行钟差拟合建模时,对于局部钟差数据中出现跳变过大的钟差值,可以有效消除其在拟合过程中对模型造成的影响,防止模型过拟合,进而提高钟差模型的拟合精度与PPP定位精度。     

BDS/GPS系统时差的组合实时预报模型分析

构造适用于BDS/GPS系统时差的多项式预报模型,对二次项参数选取、显著周期项确定以及观测权函数选择等进行改进。基于AR模型,进一步构建多项式和AR模型的组合时差预报方法。算例显示,新模型的单天时差预报精度优于0.4ns,显著优于其他传统方法。     

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。     

基于SAFA-FDGM(1,1)模型的BDS钟差预报

为建立高精度的BDS钟差预报模型,提出一种基于改进的萤火虫算法优化的分数阶离散型灰色系统SAFA-FDGM(1,1)钟差预报模型.为避免萤火虫算法陷入局部最优解,提高萤火虫算法的优化能力,本文引入惯性权重因子,同时对吸引力因子、步长因子进行改进;利用改进的萤火虫算法自动优化选取FDGM(1,1)分数阶因子来提高FDGM...     

一种北斗二代卫星钟差的数据质量控制方法

考虑北斗二代卫星长期钟差序列中存在的钟跳、粗差及数据缺失现象,提出一种钟差序列的数据质量控制方法。利用频率序列识别钟跳,采用阈值法进行异常数据段剔除以及结合MAD和Baarda数据探测法共同进行粗差探测与剔除,再利用线性内插对缺失数据进行插补,得到干净的钟差序列。实测数据表明,这种钟差质量控制策略可以显著提高北斗钟差序列信息提取的准确性以及钟差预报精度。     

一种优化的GA-KF与BP-Adaboost地表下沉组合预测模型北大核心CSCD

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的BP神经网络强预测模型(BP-Adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构BP-Adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构BP-Adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。     

��������ƹ�������С�ⷨ�������Ӳ����Ԥ��

??????ζ?????????????????????????????????????С??????????ζ???????в????Э????????????????y????????????????????????б??????????????С???????????????????????????????????????????     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...