灰色系统理论的优化方法及其在卫星钟差预报中的应用

利用灰色系统理论对卫星钟差进行预报研究,论述了灰色GM(1,1)模型的建立,讨论了原始序列的预处理和模型优化方法,建立了相应的算法,并结合实例给出了一种通过参数优化模型的方法。计算结果表明,该方法可以提高卫星钟差预报的精度。     

灰色系统模型在卫星钟差预报中的应用

分析了二次多项式模型在卫星钟差长期预报中的缺陷,依据灰色系统理论和卫星钟差的变化规律,以较少的观测样本建立了预报卫星钟差的灰色预测模型,并将其与二次多项式预测模型进行分析比较。计算结果表明,两者的短期预报精度基本相当,而灰色系统模型的长期预报精度要明显地优于二次多项式模型,更适合于实际应用。     

灰色系统模型在卫星钟差短期预报中的应用

为导航定位提供时间标准的导航卫星原子钟是非常精密的仪器,由于对外界环境非常敏感,无法将卫星钟差作为普通的白噪声处理,可以将卫星钟差看作是灰色系统来进行研究。根据灰色系统相关理论,将灰色系统模型GM(1,1)应用到卫星钟差的预报中,并分别用IGS精密星历和超快速星历建立预报卫星钟差的灰色预测模型,研究卫星钟差的变化规律。结果表明,灰色模型可用于卫星钟差的短期预报,它对超快速星历的预报精度与超快速星历本身的预报精度相当。     

抗差灰色模型及其在卫星钟差预报中的应用

分析了灰色模型理论利用最小二乘估计建模不能抵制粗差的特点,将抗差估计理论应用到灰色模型的参数估计中。针对抗差估计未顾及系数矩阵受粗差影响的问题,提出了基于改进型抗差估计的卫星钟预报灰色模型,并利用IGS的GPS卫星钟数据进行了模型验证。结果表明,基于改进型抗差估计建立的灰色模型在抵制粗差,尤其是超大粗差方面具有明显优势。     

果蝇优化算法优化灰色神经网络的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,文章提出了一种基于果蝇优化算法(FOA)优化灰色神经网络的卫星钟差预报方法.利用FOA较强的全局寻优能力对灰色参数进行迭代动态微调,改善随机初始化所导致网络进化易陷入局部最优的问题,以提高灰色神经网络的预报精度;选取IGS产品中典型的卫星钟差数据,分别采用FOA优化灰色神经网络模型、神经网络模型、灰色系统模型和灰色神经网络模型进行短期钟差预报.仿真结果表明:FOA优化灰色神经网络模型的预报精度优于其他三种模型,性能满足卫星短期高精度钟差预报的要求.     

灰色模型在快速卫星钟差预报中的应用

GPS实时精密单点定位需要实时的、精确的、可靠的预报卫星钟差预报,因此卫星钟差的预报是一项非常重要的工作,它对实时的高精度导航定位具有重要意义。为导航定位提供时间标准的导航卫星原子钟是非常精密的仪器,对外界环境非常敏感,无法将卫星钟差作为普通的白噪声处理,可以但可将卫星钟差看作是灰色系统来进行研究。本文根据灰色系统相关理论,将灰色系统模型GM(1,1)应用到卫星钟差的预报,并用IGS超快速星历建立了预报卫星钟差的灰色预测模型,研究了卫星钟差的变化规律。结果表明:灰色模型可用于卫星钟差的短期预报,它对超快速星历的预报精度与IGS产品中的IGU超快速星历本身的预报精度相当。     

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。     

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。     

灰色系统模型在卫星钟差预报中的应用

现有卫星钟差预报模型缺乏对数据结构特征的深入研究。以钟差一次差分数据为研究对象,分析一次差分数据结构的图形化分布模式,提取一次差分数据趋势性和周期性特征,设计了一种包含趋势项、周期项和随机项的全要素钟差预报模型。使用IGS(International GNSS Service)精密钟差数据进行预报实验,通过与二次多项式模型、灰色模型及时间序列模型的预报结果进行对比,证明了所提模型在钟差预报的准确度和稳定度方面具有一定优势。     

北斗精密卫星钟差短期预报研究

针对精密卫星钟差现有预测模型预测精度不够且钟差获取具有滞后性,无法满足精密单点定位(PPP)等问题,该文提出基于经典定权法的GM-AR组合模型并分别对BDS 3种不同类型的卫星精密钟差进行建模与预报,为验证组合模型的可行性和有效性,采用GM(1,1)模型、AR(p)和BP神经网络模型进行对比实验。实验结果表明:GM-AR组合模型能有效地控制误差,预测精度优于其余3种模型,其精度可提高9%～20.8%。     

基于GM(1,1)灰色模型卫星钟差短期预报的精度分析

为了提高GPS快速单点定位的精度,必须及时获得高精度的精密星历.基于卫星钟差变化的灰色特性,建立GPS卫星钟差GM(1,1)灰色模型,对卫星钟差进行短期预报.计算结果表明,灰色模型GM(1,1)用于卫星钟差短期预报,只需要使用少数几个历元的已知卫星钟差进行建模,不仅减少建模数据量,提高建模速度,而且预报精度较高,可以满足GPS快速单点定位的实际需要;并对卫星搭载的原子钟精度进行分析,得出基于灰色模型GM(1,1)分析的Rb钟的精度和稳定性要优于Cs钟.     

基于时间序列分解的GPS卫星钟差预报

根据二次多项武和灰色模型在卫星钟差预报中的特点,本文提出以ARMA(Autoregressive Moving Aver-age)模型分别进行改进;对IGS(International GPS Service for Geodynamic)提供的精密钟差进行时间序列分解,根据预报时间的长短,趋势项分别采用二次多项式和灰...     

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。     

基于CORS网的卫星钟差完备性监测

卫星钟差质量直接影响到高精度用户的定位结果,因此需对钟差实时监测,即为卫星钟差完备性监测,它是导航系统完备性理论体系中重要的组成部分。本文基于完备性监测的理念,利用CORS网的GPS观测值,利用多个基准站计算卫星钟差,分析同一卫星多个站上观测值的残差,确定各卫星钟差的可用性,若某一卫星的观测值残差与其他卫星残差有显著差异,且超过限值,则认为该卫星钟差质量较差,应给出示警信息,实现卫星钟差的完备性监测。最后针对河北省CORS网的观测数据,实现了卫星钟差完备性监测。     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

切比雪夫多项式拟合卫星轨道与钟差的精度分析

利用切比雪夫多项式拟合卫星轨道,用经验统计法确定轨道不同弧段数据的满足精度要求的拟合阶数区间,发现非最佳拟合阶数会引入较大的拟合噪声,因此在精密计算时应选择最佳拟合阶数。本文用此多项式拟合卫星钟差,能达到内插钟差同等的精度,而且与拉格朗日滑动内插相比,拟合残差序列分布更好,计算效率更高;提出利用残差自相关进行精度评定的方法,当精度变化微小时相比一般的精度评定方法具有明显优势。