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。     

广义回归神经网络在深基坑监测中的应用

本文详细介绍了广义回归神经网络的基本原理,给出了预测深基坑监测竖向位移的广义回归神经网络模型,通过工程实例验证了该模型的正确性。通过对实验结果的分析,说明广义回归神经网络在深基坑工程监测中预测的可行性和有效性。     

中国区域VTEC模型Kriging算法研究

为了对区域电离层延迟进行实时模型化,利用中国区域GPS实测资料,基于球冠谐函数模型、低阶球谐函数模型、多项式模型和Kriging内插方法,构建了电离层延迟模型。重点讨论了电离层垂直总电子含量(vertical total electron content,VTEC)的空间变异性、相关性的统计计算和Kriging内插估计方法,实现了中国区域VTEC格网实时建模。验证结果表明,高纬度地区VTEC拟合精度优于低纬度地区,Kriging内插估计和多项式模型结果的拟合内符合精度明显优于球冠谐函数模型和低阶球谐函数模型。但多项式拟合的格网,其方差则存在明显的边际效应,拟合区域中央精度较高,区域边缘地带精度明显下降;Kriging算法估计的格网点VTEC方差更符合实际情况,穿刺点多的地方,格网点精度较高。     

果蝇算法优化的广义回归神经网络在变形监测预报中的应用

简要介绍广义回归神经网络,基于果蝇优化算法,对广义回归神经网络的平滑因子进行优化。利用神经网络工具箱,对某煤仓的沉降变形观测数据进行分析和计算,采用优化后的网络建立变形预测模型,使用相关数据来训练和测试该模型的可靠性和可行性。结果表明,果蝇算法优化的广义回归神经网络能很快找到合适的平滑因子并对变形数据进行有效预报。     

几种地基GPS区域电离层TEC建模方法的比较及其一致性研究

利用GPS实测资料实现了中国区域电离层电子含量建模,比较和评估了多项式模型、三角级数模型和低阶球函数模型的监测精度及存在的问题.研究表明,在平静电离层的条件下,多项式模型和低阶球函数模型拟合的精度较好,但前者存在明显的边际效应;三角级数模型在用于大区域拟合时精度较差;高纬度地区模型拟合的精度要优于低纬度地区.根据这些模型参数设置的特点以及电离层本身的变化分布规律,分析了这些差异存在的原因.     

利用时空神经网络模型的长江经济带气温反演

传统基于遥感的气温反演方法往往使用全局模型,从而忽略了气温分布及其时空影响异质性,特别是在较大区域尺度的研究中存在不足。针对长江经济带区域,引入时空地理加权神经网络模型,建立一种高精度的气温估计方法。通过在广义回归网络模型中建立局部模型来顾及时空异质性的影响,融合遥感数据、同化数据、站点数据,获取面域分布的近地表气温信息。采用基于站点的十折交叉验证方法对模型性能进行评估,结果表明,时空地理加权神经网络有效提高了气温估计的精度（均方根误差为1.899℃,平均绝对误差（mean absolute error,MAE）为1.310℃,相关系数为0.976）,与多元线性回归和传统的全局神经网络方法相比,MAE值分别降低了1.112℃和0.378℃。气温空间分布制图结果显示,该方法结果能很好地反映长江经济带气温空间上的差异和不同季节的特征信息,具有实际应用价值。     

CEEMD与GRNN神经网络电离层TEC预报模型

针对电离层电子总含量(TEC)存在非线性、非平稳,由多因素影响导致高噪声的问题,建立了补充集合经验模态分解(CEEMD)和广义回归神经网络(GRNN)模型相结合的CEEMD-GRNN电离层TEC预报模型. 以解决直接使用原始数据进行预测会导致拟合效果差、预测精度低的问题. 采用国际GNSS服务(IGS)中心提供的2019年电离层数据对高、中、低纬度磁暴和非磁暴的不同年积日数据进行实验,低纬处均方根误差(RMSE)最优可达到0.97 TECU,相对精度为91.28,验证了CEEMD-GRNN预报模型精度高于EMD-GRNN以及单一的GRNN模型.      

电离层总电子数预报方法研究

针对电离层总电子数对于提高导航定位精度的重要性,该文采用2014年国际GPS服务公布的年积日为第1~10d的电离层总电子数为原始数据,以自回归模型、灰色系统模型、BP神经网络模型两两结合的方式完成建模和预报。通过比较不同纬度、不同预测天数的实验结果分析各模型预报精度及适用范围。结果表明,利用BP神经网络模型对AR模型的预测值进行补偿,在赤道处模型拟合的相对精度达到91.32%;残差范围控制在-1.0~0.8TECU内,预报残差最优可达到0.0TECU,从而证明了该方法可以提高电离层总电子数预报精度。     

基于神经网络的区域电离层模型及其在单频PPP中的应用

基于武汉市CORS系统的双频非差载波相位观测数据,利用改进的神经网络方法建立区域电离层模型,并通过单频GPS精密单点定位的计算实例来分析该模型的精度。计算实例表明,当基准站间的距离小于100km时,基于神经网络的区域电离层模型的平均外符合精度为0．03m,对于时段长度为4h的单频PPP静态时段解可以达到厘米级的定位精度。     

GPS高程异常拟合研究及精度分析

本文论述了正交多项式和基于BP人工神经网络的GPS高程异常拟合原理,分析了这几种算法的优缺点。并结合实例计算,比较分析各方法的精度。最后得出改进的BP神经网络的方法精度要优于多项式拟合和标准BP算法。     

香港地区电离层垂向电子含量的变化规律

根据香港GPS永久跟踪站的长期GPS观测资料,估计出了香港地区电离层垂向电子含量,并分析了垂向电子含量的周日变化规律,对建立香港地区实用的电离层模型有重要的指导意义。     

网络RTK的电离层折射估算与改正

本文讨论了目前几类电离层延迟模型,分析了其改正效果,针对网络RTK的特点,给出了一种适合网络RTK定位的电离层延迟估算和处理方法,首先对基准站网的垂直电子总量计算,然后内插用户站处的垂直电子总量,进行估算用户电离层延迟和改正。实验证明,该方法可以取得较理想的网络RTK定位结果。     

Assessment of vertical TEC mapping functions for space-based GNSS observations

The mapping function is commonly used to convert slant to vertical total electron content (TEC) based on the assumption that the ionospheric electrons concentrate in a layer. The height of the layer is called ionospheric effective height (IEH) or shell height. The mapping function and IEH are generally well understood for ground-based global navigation satellite system (GNSS) observations, but they are rarely studied for the low earth orbit (LEO) satellite-based TEC conversion. This study is to examine the applicability of three mapping functions for LEO-based GNSS observations. Two IEH calculating methods, namely the centroid method based on the definition of the centroid and the integral method based on one half of the total integral, are discussed. It is found that the IEHs increase linearly with the orbit altitudes ranging from 400 to 1400 km. Model simulations are used to compare the vertical TEC converted by these mapping functions and the vertical TEC directly calculated by the model. Our results illustrate that the F&K (Foelsche and Kirchengast) geometric mapping function together with the IEH from the centroid method is more suitable for the LEO-based TEC conversion, though the thin layer model along with the IEH of the integral method is more appropriate for the ground-based vertical TEC retrieval.     

一种导航卫星中长期轨道预报方法

基于神经网络混合建模的思想提出一种针对导航卫星的中长期轨道预报方法,在原动力学模型的基础上引入神经网络模型作为补偿,从而获得新的预报模型。在训练过程中神经网络通过学习动力学模型轨道预报误差来掌握其变化规律,并在预报过程中为动力学模型预报提供补偿,以提高预报精度。对GPS卫星动力学模型中长期预报误差的特点进行分析,然后根据所得结论提出混合模型的中长期(15 d以上)预报方案,最后通过对GPS卫星的仿真试验证明混合模型的改进效果,结果表明新方法在15~40 d的预报上表现出很好的改进效果。     

鄂尔多斯块体东北缘垂直形变速率等值线精度评定

为进一步分析并评定基于三角网提取的鄂尔多斯块体东北缘垂直形变速率等值线的精度,本文结合基于格网提取的同区域垂直形变速率等值线,分别从数字高程模型(Digital Elevation Model,简称DEM)建立与等值线提取两个角度对研究成果的精度进行对比分析,进而综合两个角度对两种方法提取的垂直形变速率等值线精度进行了差值比较。结果表明,在等值线基值与等值距都相同的条件下,研究区域垂直形变三角网的平均坡度较大,利用三角网提取的垂直形变速率等值线其精度相对较高。     

基于NDVI先验知识的LAI地面采样方法

针对非均质中低分辨率像元的叶面积指数LAI验证中如何布设基本采样单元ESU的问题,提出基于NDVI先验知识的ESU布设方法,并采用不同植被类型、不同均匀程度的地表作为模拟场,分析对比了方法的精度及稳定性。结果显示,本文方法用NDVI先验知识描述植被的生长空间分布信息,能相对准确地划分植被的不同生长水平,有效降低层内方差。在草地和森林地区的试验中,精度与稳定性均优于传统的随机采样、均匀采样和基于分类图的3种采样方法。因此,本文提出的采样方法为大尺度非均质区域LAI地面验证的采样方案提供了新的设计思路。     

Preliminary analysis of grid ionospheric vertical error for GAGAN

The inverse distance weighted model (IDWM) represents a geo-spatial interpolation technique used for estimation of ionospheric vertical delays at the ionospheric grid points (IGPs) and user ionospheric pierce points (IPPs). The GPS Aided Geo Augmented Navigation (GAGAN) system is planned for air-navigation over the Indian service region using a space based augmentation. One of the main needs for GAGAN is to develop a suitable grid-based ionospheric model for estimating the vertical delay and its error bound, i.e., grid ionospheric vertical error (GIVE) at all the IGPs covering the Indian subcontinent. Dual frequency GPS receiver data obtained from 17 total electron content (TEC) stations are considered in the analysis. For a typical IGP (25°N, 75°E), variations in the GIVE for a few days of quiet ionosphere are presented. For a quiet and magnetically moderate day, the mean and standard deviations of the user IPP (UIPP) estimation error and the mean GIVE are presented using the IDWM with Klobuchar, Junkins and bilinear models.     

城市道路复杂度的浮动车自适应采样算法

基于浮动车的城市交通信息采集技术是智能交通系统获取实时交通信息的重要手段之一。针对浮动车的城市交通信息等间距采样的不足,本文设计了一种基于城市道路复杂度的自适应采样算法:①根据道路属性定义道路结点对城市道路网络复杂度的影响因子;②利用四叉树对城市道路网络复杂度进行描述;③根据浮动车的瞬时速度和道路复杂度自适应计算浮动车的采样周期。通过仿真和试验表明,新算法能够在不同复杂程度的道路情况下自适应提供有效、可靠的采样周期。     

基于识别变量的粗差探测Bayes方法

从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法.由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值.最后对一边角网进行了计算和分析.试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便.     

随机模型对北斗DCB估计和电离层建模的影响

差分码偏差(DCB)作为电离层建模和导航定位中一项重要的误差源,对其进行估计求解至关重要. 为提高北斗卫星导航系统(BDS) DCB估计和电离层建模精度,提出了一种综合高度角、卫地距和测站纬度多因素的随机模型,并对比分析了不同随机模型对BDS DCB估计和电离层垂直总电子含量(VTEC)建模精度的影响. 结果表明:不同随机模型对卫星端DCB解算产生约0.2 ns差异. 相较于高度角随机模型,采用高度角、卫地距组合模型测站DCB估计精度平均提高0.13 ns,电离层建模精度提高了约0.2 TECU. 新提出的随机模型,在低纬度测站DCB解算精度上差于高度角模型和高度角、卫地距组合模型,但在高纬度测站DCB解算结果上更优,且对电离层VTEC建模精度提升效果明显,与前两种随机模型相比分别提升了0.88 TECU和0.68 TECU.