模拟退火算法的灰色模型钟差预报

针对传统灰色模型的预报效果不好的问题,文章提出了一种基于模拟退火算法的灰色模型钟差预报方法,采用模拟退火算法代替最小二乘求解灰色模型参数,较好地优化了灰色模型的参数估值。算例结果表明,基于模拟退火算法的灰色模型较传统的灰色模型,不仅能提高钟差的短期预报精度,而且对钟差的长期预报精度也有一定的改善。     

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。     

基于灰色系统模型的IGS精密钟差预报

钟差是精密单点定位中的重要误差源,IGS及其分析中心能够提供高精度卫星钟差改正信息,但其具有滞后性,一般要13d后才能获取。基于此,在讨论灰色系统建模的基础上,利用12d的IGS钟差文件进行GM(1,1)建模与预报,并将其结果与二次多项式的预报结果进行比较分析,同时对Rb钟和Cs钟的GM(1,1)模型预报效果进行讨论,得出一些有益的结论。     

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.     

钟差预报模型的分析和比较

针对常用的几种钟差预报模型进行了研究,对其计算模型进行了详细的推导,并给出了模型参数的计算过程,以BLOCK IIR M卫星钟为例对几种钟差预报模型进行了比较分析,结果显示利用多项式模型、切比雪夫多项式模型进行预报时,随着采用的观测数据量的增大,无论短周期还是中、长周期预报,预报效果不一定会好,灰色系统模型只需要采用少量的观测数据来建模,减少了数据量,提高了建模速度,而且预报卫星钟差时精度有显著的提高,对于观测数据少,预报周期长的卫星具有明显优势。      

利用最小一乘法改进的灰色模型的导航卫星钟差预报

在卫星钟差波动较大的情况下,为了克服基于最小二乘法估计灰色模型参数对卫星钟差预报精度的不足,本文利用最小一乘法对传统灰色模型进行了改进。在建模的过程中,采用以误差绝对值之和最小为优化原则,针对目标函数不可微的特点,运用线性规划的方法对灰色预报模型的模型参数进行了估计。此外,将改进后的预报模型应用到卫星钟差波动较大情况下钟差的预报中,并将预报结果与传统灰色模型的预报结果进行了对比分析。结果表明：在卫星钟差波动较大的情况下,该方法相比传统灰色模型的预报结果有显著改善,为高精度的卫星钟差预报提供了一种新思路。     

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。     

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。     

级比离散灰色模型在卫星钟差预报中的应用

针对传统灰色模型(grey model,GM)的拟合序列不能反映出建模数据序列级比动态变化这一问题,提出以建模序列的级比序列为对象,建立了能够反映出建模序列级比变化趋势的离散灰色模型(discrect grey model,DGM),给出了该方法应用于卫星钟差预报的具体步骤.首先,对建模钟差序列生成对应的级比序列;然后...     

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。     

基于GT的钟差预测模型辅助GPS定位算法研究

为了解决在强干扰环境下由于GPS卫星信号被遮挡而无法定位的问题,从灰色理论(GT)的角度探讨了接收机的钟差序列,提出一种利用灰色理论的钟差预测模型辅助GPS定位的方法。对预测模型的基本思想和具体实现步骤作了详细的介绍,并且将钟差预测值引入到GPS接收机中,实现信号遮挡情况下GPS接收机的定位解算。通过对实测数据的验证分析表明,该钟差预测模型对钟差序列有很好的预测效果,能够在仅有3颗可观测卫星的情况下实现接收机的定位解算。     

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。     

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。     

灰色精化模型应用于地面沉降预测

地面沉降是一个复杂的过程,较难建立准确的预测模型。传统灰色模型不能处理沉降观测值序列中的异常点,对于波动大的原始数列也没有精确预测,针对其背景值取值方法的不足,建立一种精化灰色模型(JGM(1,1)模型),分析预测结果和精度,表明该模型具有较高的预测精度和可靠性。     

一种组合模型在卫星钟差长期预报中的应用研究

近年来,卫星钟差长期预报普遍采用灰色模型,该模型的预报精度虽较传统的二次多项式模型有所提高,但仍不理想。本文在其基础上提出了一种新的组合模型:首先利用灰色模型估计的残差建立二次多项式模型,预报以后历元的残差,然后和灰色模型的预报结果相加;并分析了利用不同历元个数的残差建模所得组合模型的精度,将组合模型与灰色模型、二次多项式模型的预报精度进行了比较。结果表明:组合模型相对于灰色模型的预报精度能提高一个数量级左右,验证了本文提出的组合模型的可行性和有效性。     

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%。