异常值对钟差预报模型的影响分析

为了分析异常值对钟差预报模型的影响程度,首先,通过对钟差数据进行绘图分析来识别钟差数据中的异常值;其次,利用中位数法(MAD)和一种基于中位数的小波阈值法钟差数据预处理策略(WMAD)分别对钟差数据中的异常值进行处理;最后,利用处理前、后的钟差数据建模预报钟差,并分析各模型预报的效果。结果表明:较小的异常值对二次多项式和灰色模型2种模型预报的效果影响不大,但会影响时间序列、卡尔曼滤波及小波神经网络3种模型的预报精度。     

基于卫星概略星历的GPS内部可靠性预报

根据GPS卫星预报原理,介绍了利用YUMA概略星历进行卫星预报并提出内部可靠性预报的具体方法,详细分解了利用YUMA概略星历进行卫星预报的流程,根据内部可靠性的定义,提出进行内部可靠性预报的具体计算方法,给出了一个实际算例,验证了该方法的可行性。     

改进的方差分析在电离层TEC短期预报中的应用

本文在研究了目前存在方法的基础上,将数理统计中的方差分析周期叠加外推法应用于电离层短期预报,并对其作了改进。采用IGS提供的电离层TEC数据作为原始数据比较了该方法改进前后的预报精度,分别利用中国区域内不同地理位置的40天的数据进行分析预报,预报结果显示改进后的方法预报精度可达到1.1TECU左右,优于改进前。改进后的预报效果依然与经纬度有关,在中国区域内随着纬度的减小、经度的增加,预报精度会降低。通过与目前常用方法比较分析,该方法预报结果精度较高、所需计算参数少、简单易行,可以较好地应用于电离层短期预报。     

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。     

基于AR模型的GPS授时分析

由于GPS卫星采用高精度的星载原子钟,使得利用GPS接收机授时可以达到比较理想的精度。利用AR模型对GPS接收机的钟差数据进行建模分析,通过拟合比对,建立合适的预报模型,预报的精度达到了较好的效果。     

基于卫星双向时间频率传递进行钟差预报的方法研究

用多项式拟合、谱分析、改进的AR模型三种方法对由卫星双向时间频率传递得出的钟差时间序列进行了拟舍和预报分析。为了抵制钟差时间序列中异常值的影响，引入了“抗差等价权”，利用卫星双向时间频率传递得到的1d的钟差，按不问采样率、不同时间跨度进行计算分析。结果表明，抗差估计的预报精度明显高于最小二乘估计；平滑值的预报精度高于采样值；由于钟差时间序列中有明显的周期变化，多项式进行钟差预报的精度不可靠；用谱分析进行钟差预报的精度不高，但可以发现钟差时间序列中的主要周期变化；改进的AR模型预报精度最高，预报6h钟差的RMs在1ns左右。     

基于Matlab工具箱的神经网络在大坝变形区间预报中的应用

进行基于人工神经网络的大坝变形区间的分析与预报研究,运用Matlab工具箱建立BP神经网络模型,进行大坝变形区间的分析与预报,并与传统的逐步回归预报方法进行比较.结果表明,BP神经网络用于大坝变形区间的预报是可行的,在预报效果上优于逐步回归方法.     

基于补偿波形调整的导航卫星轨道预报方法

针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,尝试采用神经网络作为建模工具改进北斗导航卫星轨道预报精度。对影响神经网络模型补偿效果的因素进行了详细分析,基于神经网络补偿波形调整策略制定了适应导航卫星短期、中期和长期预报的神经网络优化模型。利用实测数据进行了试验分析,结果表明,该方法可以显著改进利用动力学模型得到的预报轨道精度。短期预报中,当采用的训练样本距离当前时刻大于10 d时,应移动补偿波形;中长期预报中均应移动补偿波形。相比补偿波形不调整的神经网络模型,采用基于补偿波形调整的神经网络优化模型后,预报弧长为8、15、30 d时,改进率分别提高了2.3%、6.7%、10%。     

基于时序分析的建筑物沉降数据处理

变形数据分析与预报是变形监测数据处理的重要内容。基于时间序列分析的特性,研究了应用AR模型对建筑物沉降数据进行分析处理和预报的方法步骤,并通过实例计算证明,该模型具有较好的拟合效果和预报精度。     

基于指数平滑法的GPS卫星钟差预报

提出了一种基于指数平滑法的GPS卫星钟差预报方法。该方法可采用少量数据建模,且计算过程简单、方便,尤其是在缺少相关历史数据或数据变化趋势不明显、不稳定的情况下,用该方法仍可取得较好的效果。通过与GPS卫星钟差预报中常用的二次多项式模型和灰色预测模型的对比分析,结果表明:指数平滑法适用于GPS卫星钟差的中、短期预报,其预报精度可达ns级;在利用小数据量建模的情况下,其预报效果优于二次多项式模型,与灰色模型的预报效果基本相当;该方法还可用于GPS卫星钟差的长期预报,其预报精度可达μs级,与灰色预测模型的精度相当。     

地球自转参数的LS+AR超短期预报方法

地球自转参数（ERP）是卫星精密定轨中联系天球坐标系与地球坐标系的必要参数,是国际GNSS服务组织（IGS）和国际GNSS监测评估系统（iGMAS）分析中心的重要产品。为了提高中国测绘科学研究院分析中心（CGS）的线性模型预报精度,本文研究了最小二乘（LS）和自回归模型（AR）组合的超短期预报最优方法;通过不同周期数据确定最佳预报时长,利用LS+AR模型进行超短期预报,并通过IGS和iGMAS与线性模型产品对比。结果表明：利用8 d（时段）数据进行超短期预报最优;LS+AR模型预报精度明显优于LS模型;LS+AR的超短期预报方法优于分析中心的线性预报方法;EOP的PMX和PMY分量利用时段数据预报、LOD利用天数据预报精度更高。本文超短期预报方法能够提高ERP预报精度,为IGS或iGMAS分析中心的ERP预报提供了一定的参考意义。     

两种GPS卫星钟差预报模型比较及精度分析

利用IGS提供的精密钟差数据,分别采用二次多项式模型和灰色系统模型进行建模,对GPS卫星钟差进行短期和长期预报,并对预报结果进行对比分析.指出在短期预报中,两种模型的预报效果比较接近;在长期预报中,灰色模型的预报精度明显优于二次多项式模型,具有一定的优势.     

顾及不确定性影响的变形概率预报法

针对变形预报的不确定性,以MCMC算法和贝叶斯预测理论为基础,提出了变形概率预报方法,该方法以概率分布的形式描述变形预报的不确定性,通过概率规则实现预报的递推过程。利用宁杭高速路基沉降数据进行数值计算,定量分析了预报值及其可靠性区间等信息,并与最小二乘估计、免疫算法的预报结果进行比较,结果表明了该方法的有效性和可行性。     

等维BP神经网络在沉降预报中的应用研究

为解决神经网络在沉降预报应用中的局限性,结合灰色理论等维信息策略和BP神经网络建模思想,利用数据序列本身构建训练样本,建立等维BP神经网络预报模型,并利用数学工具MATLAB编程实现,进行实际的变形预测,通过与灰色理论GM(1,1)模型的预报效果进行比较,表明该等维BP网络模型具有更高的预报精度,可以达到更好的预报效果。     

基于Holt-Winter的电离层延迟预报模型

区域CORS系统为电离层延迟的研究提供了新的技术和数据平台,可利用参考站实际观测数据解算电离层延迟。根据电离层延迟具有周日性和季节性的特征,提出利用Holt-Winter模型对实算的电离层延迟进行预报。利用JSCORS的实测数据,对Holt-Winter的无季节模型、加法模型和乘法模型进行实例分析。结果表明,加法模型和乘法模型的预报效果较好,加法模型要稍优于乘法模型。     

不同采样间隔的钟差数据对钟差预报的影响分析

在卫星导航定位系统中,星载原子钟的钟差预报在维持系统时间同步、满足实时精密单点定位的需求等方面具有重要的作用。目前,钟差预报主要研究的是预报模型,关于钟差数据对钟差预报结果影响的研究还很少。基于IGS提供的30s、5min和15min采样间隔的精密钟差数据,分析和研究在预报条件相同时,不同采样间隔的钟差数据对钟差预报效果的影响。以常用的灰色模型和二次多项式模型对不同类型的卫星钟差进行预报和分析,结果表明,相同预报条件下钟差数据的采样率对预报结果有影响,IGS的15min采样间隔的精密钟差数据较另外两种采样间隔的精密钟差数据能得到更好的预报结果。     

EOP预报误差对导航卫星轨道预报的影响分析

导航卫星轨道预报是利用精密定轨结果在惯性系下进行轨道外推,再将外推得到的惯性系轨道转换为地固系轨道,然后生成卫星星历数据。由于坐标系转换时使用的是带有误差的地球定向参数（EOP：Earth Orientation Parameters）预报值,转换结果会产生误差,进而影响轨道预报结果的精度。分析了EOP快速预报产品公报A的预报精度,研究了参数预报误差对轨道预报精度的影响。结果表明,对于利用GPS精密星历外推模拟得到的卫星轨道而言,EOP预报1天引起的轨道预报误差大致分布在0．232±0．183m,参数预报7天引起的轨道预报误差大致分布在0．438±0．356m。     

一种新的北斗卫星钟差预处理方法

为了提高卫星钟差预报的精度,针对钟差数据中量级较小的误差,提出了一种基于中位数的小波阈值法钟差数据预处理策略。首先,利用小波阈值方法将钟差数据进行分解,得到分解后的高频系数和低频系数。然后,利用中位数法处理各层影响阈值设置的高频系数,通过处理后的高频系数计算阈值,从而提高小波阈值法剔除小异常值的能力。最后,用北斗二号卫星钟差数据进行了验证,结果表明,利用所提方法处理后的钟差数据建模,小波神经网络（wavelet neural network,WNN）模型预报的精度提高约14.1%,预报稳定性提高约19.7%。该方法可以有效剔除钟差历史观测序列中量级较小的误差,改善钟差数据质量,从而提高模型钟差预报的精度。     

基于IOWA算子的组合预测模型研究及应用

引进运筹学与管理科学中的IOWA算子组合预测法,从理论角度分析该方法可行性的同时,以实际工程为例,将组合预测预报结果与单一模型的预报结果进行比较,以严密的效果评价体系为鉴,验证组合预测方法的实用性。     

基于支持向量回归的PM2.5浓度实时预报

为了研究适合于我国当前重污染天气的实时空气质量预报模型,论文利用支持向量回归方法对北京市地面空气质量监测数据和气象数据进行分析,构建了基于支持向量回归的PM2.5浓度实时预报模型。实验表明,该方法能够对未来6日内的日均PM2.5浓度以及未来0~72h内的小时级PM2.5浓度进行预报,且模型训练过程和预报过程都耗时很短,适用于建立PM2.5浓度实时预报系统。