改进粒子群优化最小二乘向量机卫星钟差预报

针对提高导航卫星钟差预报精度的研究不足的现状,文章结合灰色预报模型和最小二乘向量机预报模型的特点,研究建立灰色系统与最小二乘向量机的结合预报模型:引入惯性权值和加速度因子随优化代数变化的改进粒子群算法,以提高算法的优化能力;并用其对模型惩罚因子和核函数参数选取过程进行优化;选取具有代表性的卫星钟差数据,建立改进粒子群优化的GM-LSSVM模型进行短期钟差预报分析,并与传统的GM(1,1)预报模型和BP神经网络预报模型进行精度比较。仿真结果表明,优化后的模型预报精度优于GM(1,1)预报模型和BP神经网络模型。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

BDS精密卫星钟差建模与预报

针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法 首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报最后将各分量的预报结果进行叠加得到最终的钟差预报值 实验结果表明该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型     

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。     

一种遗传算法优化的卫星钟差预报

针对导航卫星钟差预报精度不高的问题,该文引入了GM-LSSVM钟差预报模型,采用全局寻优能力较强的遗传算法对模型的参数选取过程进行优化,避免模型陷入局部最优,从而改善了组合模型中惩罚因子和核函数参数选择的盲目性。最后选取国际GPS服务组织提供的卫星钟差数据,分别建立GM(1,1)模型、LSSVM模型、GM-LSSVM模型和遗传算法优化的GM-LSSVM模型进行短期钟差预报分析和仿真实验。仿真结果表明,优化后的模型预报精度小于1.3ns,精度比前3种模型提高了45%~60%,符合钟差预报的要求。     

基于MEA-BP神经网络的卫星钟差预报

卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。     

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%。     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用.根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值.该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高.最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型.     

利用自适应TS-IPSO优化的灰色系统预报卫星钟差

在传统灰色系统预报模型的基础上,提出了一种自适应双子群改进粒子群算法（improved particle swarm optimization algorithm by two subgroups,TS-IPSO）和灰色系统相结合的预报模型。首先对钟差序列进行平滑性检验,对不满足平滑条件的序列作对数平滑处理;然后对灰色系统模型进行优化,为避免粒子群算法陷入局部最优,建立了主辅子群协同进化,惯性权重非线性递减机制。通过TS-IPSO优化发展灰数和内生控制灰数,增强了灰色系统模型的泛化能力。选取来自4种不同钟型的卫星钟差数据进行计算分析。结果表明,模型对6 h和24 h的预报精度和稳定性均优于传统模型,特别是对短期稳定性较差的铯钟,实现了6 h预报误差小于1.60 ns,24 h预报误差小于5.71 ns。     

一种卫星钟自相关的实时钟差预报算法

针对实时精密单点定位(RT-PPP)中实时数据流存在中断、延迟等问题,该文构建了顾及卫星钟自相关的随机模型,提出了一种基于方差分量估计的自适应卡尔曼滤波钟差超短期/短期预报算法,评估了连续27d实测法国空间研究中心(CNES)实时数据流CLK93产品完整率和精度水平,利用哈达玛方差对比分析了该实时产品与德国地学研究中心(GFZ)事后GBM产品的频率稳定性。利用本文算法与传统卡尔曼算法对两类产品进行预报,结果显示:CLK93产品BDS系统(C)、GPS系统(G)、GLONASS系统(R)、Galileo系统(E)30s和1min预报精度分别平均提升了8.50%、8.44%、7.20%、6.96%;GBM产品相应4个系统12h和24h预报精度分别平均提升了3.14%、3.53%、0.96%、10.01%。     

BDS卫星实时钟差估计

随着无人驾驶等高新技术的快速发展，实时精密单点定位在GNSS领域中受到越来越多的关注。研究实时卫星钟差的获取和实时定位精度具有较大的现实意义，本文为研究耦合BDS卫星轨道、钟差产品对定位精度的影响，采用不同精度的轨道产品实时获取卫星钟差。分析了卫星钟差误差与轨道误差之间的相关性及钟差对轨道误差的吸收能力，发现卫星钟差能够吸收95%以上的轨道径向误差和部分切线误差，在一定程度上弥补了轨道误差引起的定位误差。采用耦合的卫星轨道、钟差产品，单BDS系统定位精度可达到分米级的定位结果。     

一种基于灰色神经网络的卫星钟差预报策略

针对钟差预报中灰色神经网络模型种类较多、性质和适用范围尚未具体分析的问题,根据其预报特点,该文提出了一种基于灰色神经网络的自适应钟差预报策略。基于MGEX精密钟差数据进行预报实验,采用不同建模钟差数据量进行相同时间段钟差预报,对3种不同的灰色神经网络模型钟差预报效果进行对比,总结了几种预报模型的性质与适用范围。该文提出的自适应预报策略较好地平衡了几种灰色神经网络模型的特点,提升了钟差预报效果。基于该文策略的实验结果表明:所提策略能够有效利用不同灰色神经网络模型特点,提高钟差预报精度。在1d预报中,该策略较本文提及的其他可靠方法精度提升1%~3%;6h预报中,该策略较较灰色模型等精度提高0.02~0.09ns。     

进化多核相关向量机的大坝变形预测

针对大坝变形系统的非线性、复杂性以及不确定等特点,提出一种优化多核相关向量机的大坝变形预测模型方法。通过对实验数据进行归一化处理,核函数的加权组合以及遗传算法对模型参数的优化,建立遗传算法优化多核相关向量机的大坝变形预测模型。实验结果表明:数据归一化能归纳统一样本的统计分布性,加快梯度下降求解最优解速度和提高预测精度;优化的加权核函数能有效提高模型预测精度;各项精度指标值均优于BP神经网络方法、多项式核相关向量机方法预测精度,证实优化的多核相关向量机模型是一种精度较高的大坝变形预测方法。     

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。     

遗传算法优化支持向量机矿产预测方法

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法。采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度。以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验。结果表明,支持向量机模型的预测准确率为89.3%,查准率为70.2%;而证据权方法的预测准确率为79.4%,查准率为50%,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法。     

幂函数变换的GM(1,1)模型在BDS卫星钟差预报中的应用研究

由于卫星钟存在频率高、敏感性强、极易受到外界影响从而导致观测数据波动大,预测结果精度低的问题,利用幂函数变换法对初始观测数据进行变换预处理,从而提高观测数据的平顺度.由此提出一种基于幂函数变换的GM(1,1)模型,选用北斗卫星导航系统(BDS)卫星钟差进行插值和预报,并且进行了精度验证.实验结果表明:Lagrange插值方法可以满足高精度BDS的钟差的插值需要;利用幂函数变换的GM(1,1)模型相比传统模型精度有效提高了,而且当改进模型和传统模型预报值越接近实际值,则幂函数改进的GM(1,1)模型精度更高,适用性更强,对BDS卫星钟差预报具有实际参考价值.     

Method for evaluating real-time GNSS satellite clock offset products

Real-time satellite clock offset products are frequently utilized in navigation and positioning service fields. The precision of such products is a key issue for their application. The evaluation methods existed for satellite clock offset products are mostly based on post-processed satellite clock offset solutions, which will encounter problems in real-time product evaluation, especially for real-time satellite clock offset products estimated from data with regional stations only. We propose an improved evaluation method for global navigation satellite system (GNSS) satellite clock offset products. In the proposed method, we use all-satellite reference method instead of single-satellite reference method to eliminate the timescale in satellite clock offset products. Moreover, a preprocessing step is suggested to detect gross errors and initial clock bias before evaluating the precision of the satellite clock offsets. We conduct two examples to verify our method, and the experimental results show that the proposed method is more reasonable in assessing the GNSS satellite clock offset precision, and it also provides a reliable approach to analyzing the estimated satellite clock offset in both real-time and post-processed, or globally and regionally.     

红外卫星云图和相关向量机的有眼热带气旋客观定强模型

热带气旋TC(Tropical Cyclone)是全球影响最严重的自然灾害之一。TC强度和路径的准确预报,对于减轻其带来的灾害影响至关重要。本文基于静止红外卫星云图和相关向量机RVM(Relevance Vector Machine)构建有眼TC客观定强模型。首先,利用高斯平滑对红外卫星云图进行去噪;然后,利用基于测地活动轮廓GAC(Geodesic Active Contour)模型的偏微分方程PDE(Partial Differential Equation)法对有眼TC的眼壁进行分割,提取眼壁的亮温梯度信息,计算眼壁亮温梯度的最大值及梯度数据不同概率时的均值,从而构造与TC强度密切相关的特征因子;最后,利用RVM构建单特征因子、多特征因子与近地面最大中心风速的客观定强模型,研究不同特征维度对TC客观定强误差的影响。实验结果表明,在单特征因子的模型定强中,95%概率眼壁亮温梯度均值的定强误差最小,相比利用单特征因子所构建的定强模型,多特征因子的模型定强误差更小,即多特征因子中包含更多与TC强度相关的特征信息。在多特征因子的模型定强中,二特征因子优于三特征因子模型,说明应当合理选择特征因子维数,并非越多越好。本文所用RVM模型具有良好的高维非线性处理能力,能对TC强度进行有效估计。