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。     

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...     

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...     

几种卫星钟差预报模型预报效果的分析与比较

采用GPS精密钟差数据进行预报试验,对二次多项式模型、谱分析模型、GM(1,1)模型、ARIMA模型以及Kalman滤波模型5种模型的钟差预报效果进行分析和比较,总结了各模型预报钟差的优点与不足,并对GPS系统目前运行的6种星载原子钟的预报特性进行简单分析。     

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。     

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...     

GM(1,1)模型在建筑物沉降量预测中的应用

根据建筑物的沉降变形特征 ,引用GM (1,1)建模思想来建立沉降预测模型。利用较少的前期观测数据建立模型来预测建筑物最终沉降量 ,然后据此判断其是否满足建筑物的变形要求 ,以便较早地提出工程防治措施。     

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%。     

BDS卫星钟差短期预报性能分析

采用BDS精密钟差数据进行短期预报实验,通过线性模型、二次多项式模型、灰色模型和Kalman滤波模型对14颗BDS卫星的钟差预报效果进行比较和分析,总结不同类型卫星的钟差预报性能和利用各模型进行BDS卫星钟差预报的相关特性。     

GM(1,1)幂模型的改进及其在沉降预测中的应用

GM(1,1)幂模型可用于趋于稳定或具有S型变化趋势的沉降预测,但其存在灰色建模的固有缺陷、非等间隔数据的不适用性和参数求解复杂性等不足之处。结合幂函数变换与无偏GM(1,1)模型和非等间隔无偏GM(1,1)模型,建立了无偏GM(1,1)幂模型和非等间隔无偏GM(1,1)幂模型。基于Matlab程序,以拟合结果的平均相对误差最小作为优化目标,提出参数的优化求解方法,同时提出采用Origin拟合函数SRichards2的替代方法。实例分析结果显示,两种方法拟合效果相当,均可用于沉降预测。结合两者的应用效果和建模特点,建议人工处理数据时采用Origin拟合函数SRichards2;对于有特殊优化目标的情况或自动化监测设计时,可采用无偏GM(1,1)幂模型或非等间隔无偏GM(1,1)幂模型。     

白鹤滩和乌东德库区蓄水前形变分析

利用白鹤滩和乌东德库区2018～2019年两期最新地壳形变监测资料对两个库区在监视期的形变特征进行分析,其中水准和重力资料采用相对基准分析法,谷宽和跨断层测距资料采用投影面相对坐标分析法。结果表明：1）白鹤滩库区上游左岸中部存在16 km范围的沉降区,乌东德库区上游右岸水准支线所在地区隆升较大,两个库区其他地区均相对稳定,垂直形变量均小于5 mm;2）两个库区重力场变化基本平稳,无显著性异常变化,个别测点重力值变化较大是周围环境改变导致;3）两个库区4个谷宽网各点的相对坐标变化均不大,但4个谷宽网均显示相对收缩,量值在1~2 mm;4）两个库区6处跨断层场地中有5处比较稳定,监视期间断层无显著垂直活动和水平活动迹象,乌东德库区洛佐场地监视区断层两侧存在一定的差异性垂向运动并伴随水平向挤压运动。该结果可为水库蓄水后形变以及水库诱发地震的研究提供背景参考。     

基于小时观测文件拼接的GPS实时钟差确定算法

针对目前常用的GPS实时钟差确定算法主要基于实时观测数据流实现,使产品可靠性和完整性受限于网络质量,及广播星历和IGU-P精度较低的问题,提出并实现基于小时观测文件拼接的实时钟差确定算法。该算法基于小时观测文件数据,通过将钟差估计与自适应超短期钟差预报相结合以确定实时钟差。30 d实时在线结果显示,基于小时观测文件确定的实时钟差精度约为0.25 ns,优于广播星历和IGU-P,与IGS RTS提供的实时钟差精度相当,且能保证产品的可靠性和完整性。     

GM(1,1)预测效果数值试验

采用不同类型原始数据对传统GM(1，1)进行了预测效果数值试验，然后通过对预测结果及传统GM(1，1)基本思想进行深入分析提出传统GM(1，1)存在的问题，并提出了相应的改进思路。