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。     

一种卫星钟差异常实时监测算法

卫星钟差在精密定位中占有重要地位,应当对卫星钟差异常进行实时监测。本文在建立卫星钟差模型的基础上,提出了一种基于递推遗忘因子最小二乘算法(RFFLS)的卫星钟差异常实时监测算法,并利用IGS事后精密钟差产品,对比分析了RFFLS算法与最小二乘算法(LS)、遗忘因子最小二乘算法(FFLS)的卫星钟差预报精度、预报耗时和对卫星钟差异常的监测性能。实验结果表明, RFFLS算法计算时间仅为LS算法和FFLS算法的十分之一,且RFFLS算法钟差异常监测能力最优。该方法简便易行,应用灵活,在实时应用中具有明显优势。     

顾及测量方式的地球自转参数差异性分析

随着甚长基线干涉测量(VLBI)、卫星激光测距(SLR)、激光测月(LLR)、全球卫星导航系统(GNSS)、多里斯系统(DORIS)等多种空间大地测量手段的使用,地球自转参数(ERP)的测量精度不断提高,为航天器导航、深空探测等诸多领域提供了高精度的国际天球参考系(ICRS)和国际地表参考系统(ITRS)之间的转换参数. 以国际地球自转与参考系服务发布的C04序列为基础序列,选取500天ERP序列,分析不同测量手段得到的ERP数据的误差分布情况,为研究利用不同数据之间的一致性进行精度检核的可行性及精度水平提供数据基础,同时也为ERP预报提供更多的数据选择.      

基于1962至2022年极移观测值的时序分析及长期预报研究

极移参数（polar motion,PM）是地球定向参数（earth orientation parameter,EOP）的重要组成部分,在天文大地测量、卫星的导航定位以及卫星的自主定轨等领域有重要的应用。本文首先利用国际地球自转服务（international earth rotation and reference systems service,IERS）提供的极移观测值进行极移时间序列频谱分析及周期项的提取。结果表明,快速傅里叶变换与离散傅里叶变换周期项提取到的周期项基本无差异,但极移X、Y分量时变分析结果存在差异。此外,本文将正弦逼近应用到极移参数的预报,对于长时间尺度的极移参数预报最小二乘外推模型效果最佳,但预报模型精度易受到周期项提取结果的影响;最小二乘外推模型在极移正向预报和反推拟合效果相近,借助正弦逼近方法可以一定程度上增强模型拟合效果。上述研究结果可为地球自转参数的预报研究提供参考。     

地球自转参数预报误差对天文测量影响的分析

由于地球自转参数(ERP)的滞后性,目前主要使用国际地球自转和参考服务IERS发布的Bulletin A(简称A公报)预报值进行解算,ERP预报误差对于天文测量的影响目前缺少系统的研究。为此,本文选取IERS 2015—2021近7年A公报的ERP参数对其长期预报及不同时间跨度预报误差分析,并以某站数字天顶望远镜观测结果为例,分析了ERP预报误差对于天文测量的影响。结果表明,随着时间的增加,预报精度越来越差,对于极移参数,1年跨度的预报误差值达到了0.021 as,预报误差对天文经、纬度及方位角的影响分别为0.045 as、0.041 as和0.042 as,完全满足一等天文测量的精度要求;而UT1-UTC预报精度是限制A公报精度的主要因素,60天UT1-UTC的预报误差值已达到了0.007 s,对天文经度的影响达到了0.379 as,已超出一等天文测量的精度要求。为了满足一等天文测量的要求,选取UT1-UTC预报值时,其时间跨度最大为40 d。     

RBF神经网络—半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型。结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行。     

多分析中心站坐标产品的综合方法研究

首先介绍了多分析中心产品融合处理的两种综合策略,然后基于解层面的综合策略,提出了站坐标和地球自转参数同时综合的方法。采用国际GNSS服务组织（International GNSS Service,IGS）9个分析中心1 a的数据进行试验,从站坐标、地球自转参数精度以及地心运动3个方面验证了该方法的正确性。结果表明,基于综合方法得到的综合解和IGS综合解处于同一精度水平。站坐标在平面和高程方向的一致性分别为0.5 mm和1.0 mm,极移和极移速率的一致性分别优于7.0×10-6"和40.0×10-6"/d,日长参数优于7.7×10-6 s/d。所提出的综合方法可用于全球连续监测评估系统（international GNSS monitoring and assessment system,iGMAS）的站坐标/地球自转参数产品综合。     

BDS与GPS数据解算地球自转参数精度分析北大核心CSCD

针对我国利用BDS数据自主确定地球自转参数(ERP)时,需对其精度进行验证和分析的问题,该文利用我国境内及周边的GPS基准站数据以及MEGX网BDS数据进行ERP解算,对解算结果进行精度对比和分析。解算结果表明:利用BDS数据解算的ERP,在X方向极移和国际地球自转服务(IERS)公布值差值的RMS为0.6576mas,Y方向极移差值的RMS为1.0324mas,UT1-UTC差值的RMS为0.0853ms;利用GPS数据解算ERP,在x方向极移差值的RMS为0.4516mas,Y方向极移差值的RMS为0.5475mas,精度明显比利用BDS数据解算的要高,UT1-UTC差值的RMS为0.2153ms,比利用BDS数据解算的精度差。利用两种技术解算ERP发现极移参数存在明显的系统性误差,而UT1-UTC值不存在明显的系统性误差。结果表明,利用BDS技术确定地球自转参数精度虽然比GPS要差,但较之前成果有了很大提高。     

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。     

融合GNSS气象参数的PM2.5随机森林预测模型

针对PM2.5浓度的预报问题,该文结合国家GNSS服务(IGS)分析中心获取的北京房山站的气象数据及同期的PM2.5实测数据,分析了气象因子和环境污染物因子对PM2.5浓度的影响,并提出 了基于随机森林算法的PM2.5浓度预测方法,建立了融合GNSS气象参数的PM2.5随机森林预测模型.实验结果表明:该算法的时效性达6 h,在一定精度范围内能够取得较好的预测效果,同时能够有效地抑制过拟合的现象.     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

GPS卫星钟差改正数实时预报算法

实时卫星钟差（satellite clock bias,SCB）的获取是实时精密单点定位（real-time precise point positioning,RTPPP）需要解决的关键问题。给出了国际GNSS服务（International GNSS Service,IGS）所提供的实时服务（real-time service,RTS）钟差产品的修复方法,分析了IGS02、IGS03实时数据流中GPS卫星钟差改正数的稳定性及其精度。同时,从原理上推导证明了钟差一次差分数据符合一次多项式模型,并结合对GPS卫星钟差改正数的分析提出了一种基于一次差分的钟差改正数预报算法,通过与一次多项式模型、二次多项式模型以及灰色模型的预报精度进行对比试验,结果表明,该钟差改正数预报算法预报精度有明显提高,预报30 s的精度达到0.06 ns,可满足实时精密单点定位的要求。     

CODE’s new ultra-rapid orbit and ERP products for the IGS

The International GNSS Service (IGS) issues four sets of so-called ultra-rapid products per day, which are based on the contributions of the IGS Analysis Centers. The traditional (“old”) ultra-rapid orbit and earth rotation parameters (ERP) solution of the Center for Orbit Determination in Europe (CODE) was based on the output of three consecutive 3-day long-arc rapid solutions. Information from the IERS Bulletin A was required to generate the predicted part of the old CODE ultra-rapid product. The current (“new”) product, activated in November 2013, is based on the output of exactly one multi-day solution. A priori information from the IERS Bulletin A is no longer required for generating and predicting the orbits and ERPs. This article discusses the transition from the old to the new CODE ultra-rapid orbit and ERP products and the associated improvement in reliability and performance. All solutions used in this article were generated with the development version of the Bernese GNSS Software. The package was slightly extended to meet the needs of the new CODE ultra-rapid generation.     

中国大地测量数据处理60年重要进展第二部分: 大地测量参数估计理论与方法的主要进展

部分变量含误差(partial errors-in-variables, PEIV)模型是变量含误差(errors-in-variables, EIV)模型的更一般形式, 因其适用性强等优势, 近十年来被广泛应用于全球导航卫星系统(global navigation satellite system, GNSS)数据处理、坐标转换、变形监测和数据拟合等测量数据处理中。概述了PEIV模型的发展过程, 从PEIV模型参数估计算法、精度评定、随机模型估计、扩展算法和数据处理应用5个核心问题进行综述和分析。对PEIV模型的应用进行了展望, 指出有待进一步研究的问题, 旨在进一步推动测绘数据处理的发展, 并为读者提供参考和建议。     

基于渐消因子的改进Kalman滤波时间尺度估计算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。     

一种附加边界约束和内约束的多中心ERP融合模型

不同技术、不同分析中心得到的地球自转参数（Earth rotation parameters,ERP）往往是不同的,为提供统一的ERP供用户使用,常需对ERP进行融合处理。提出了一种基于多分析中心ERP结果的附加边界约束和内约束融合模型,即先通过参数变换把各分析中心结果转换到相同时刻,考虑到相邻观测时段边界点处ERP应当一致这一特点,施加边界约束,然后对各分析中心的长期解施加转换参数内约束,最后得到多分析中心ERP的融合解。采用从2005—2011年共6 a的7个全球卫星导航系统（Global Navigation Satellite System,GNSS）分析中心的结果进行融合处理,并与IERS C04（International Earth Rotation and Reference Systems ServiceCombined 04）结果进行比较。结果表明,所提出的融合方法计算结果的精度有明显改善。     

Solution of the weighted symmetric similarity transformations based on quaternions

A new method through Gauss–Helmert model of adjustment is presented for the solution of the similarity transformations, either 3D or 2D, in the frame of errors-in-variables (EIV) model. EIV model assumes that all the variables in the mathematical model are contaminated by random errors. Total least squares estimation technique may be used to solve the EIV model. Accounting for the heteroscedastic uncertainty both in the target and the source coordinates, that is the more common and general case in practice, leads to a more realistic estimation of the transformation parameters. The presented algorithm can handle the heteroscedastic transformation problems, i.e., positions of the both target and the source points may have full covariance matrices. Therefore, there is no limitation such as the isotropic or the homogenous accuracy for the reference point coordinates. The developed algorithm takes the advantage of the quaternion definition which uniquely represents a 3D rotation matrix. The transformation parameters: scale, translations, and the quaternion (so that the rotation matrix) along with their covariances, are iteratively estimated with rapid convergence. Moreover, prior least squares (LS) estimation of the unknown transformation parameters is not required to start the iterations. We also show that the developed method can also be used to estimate the 2D similarity transformation parameters by simply treating the problem as a 3D transformation problem with zero (0) values assigned for the z-components of both target and source points. The efficiency of the new algorithm is presented with the numerical examples and comparisons with the results of the previous studies which use the same data set. Simulation experiments for the evaluation and comparison of the proposed and the conventional weighted LS (WLS) method is also presented.