一种考虑PMX与PMY之间相关性的极移预报新方法

提出采用多元回归模型（MAR）与最小二乘（LS）组合进行极移预报。该模型考虑极移PMX和PMY的LS拟合残差之间的相关性,采用PMX残差和PMY残差一起构建预报模型进行残差预报。通过与LS+AR预报结果的对比表明,LS+MAR模型的预报结果更优。此外,通过与EOP_PCC预报结果的对比也说明,LS+MAR模型的短期极移预报精度能够达到国际先进水平。     

地球极移参数高精度双差分LS+AR预报方法研究

提出基于双差分最小二乘LS+AR模型的高精度极移参数预报方法。首先,对极移数据进行双差分处理,用以增强数据平稳性,获取差分极移数据,并采用LS方法对差分极移数据进行拟合,获取极移残差数据;其次,利用AR模型对极移残差数据进行预报;然后,综合LS外推预报值与AR模型预报值获取差分极移预报值;最后,对差分极移预报结果进行逆双差分处理,获取高精度的极移预报值。将该方法应用于实际极移参数预报中,结果表明,1d的极移X分量(PMX)预报精度优于0.25mas,极移Y分量(PMY)预报精度优于0.2mas。将该预报结果与国际EOP_PCC预报结果对比表明,极移短期预报精度与EOP_PCC预报结果相当,1d的预报精度略优于EOP_PCC预报结果。     

顾及大气角动量的Prophet-VAR日长变化预报方法

针对日长变化参数序列中蕴含的复杂非线性特征会严重影响其预报精度的问题,同时为探讨引入大气角动量序列是否有助于提升预报精度,提出一种Prophet拟合外推联合向量自回归(vector autoregression,VAR)残差补偿的组合模型用于日长预报.选用2008～2020年的日长变化参数序列进行实验,同时设计不顾及大...     

BDS/GPS系统时差的组合实时预报模型分析

构造适用于BDS/GPS系统时差的多项式预报模型,对二次项参数选取、显著周期项确定以及观测权函数选择等进行改进。基于AR模型,进一步构建多项式和AR模型的组合时差预报方法。算例显示,新模型的单天时差预报精度优于0.4ns,显著优于其他传统方法。     

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。     

GPT3模型在安徽地区的性能

基于安徽省23个CORS站数据解算天顶对流层延迟(ZTD),评估GPT3+Hopfield和GPT3+Saastamoinen两种对流层组合模型的适用性,并利用探空数据分析GPT3模型估计大气加权平均温度(T_m)和反演大气可降水量(PWV)的精度。结果表明：1)GPT3+Saastamoinen组合模型的ZTD精度优于GPT3+Hopfield组合模型,GPT3模型的ZTD精度具有显著的时空分布特征,皖南精度低于皖北,且春、冬季精度优于夏、秋季;2)在安徽地区,GPT3模型2种格网分辨率的T_m精度基本相当,平均偏差在-2.0 K左右,RMS值在4.5 K左右;3)在安徽地区,基于GPT3模型气象参数反演的PWV(GPT3-PWV)与探空站的PWV有较高的一致性,且同样具有时空变化特征,由皖南向皖北逐渐降低,夏季最大、冬季最小。     

基于GM(1,1)+AR模型的钟差短期预报改进算法研究

针对传统GM(1,1)+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时刻的不同实时调整AR模型阶数。考虑到原始钟差建模序列长度会对预报精度造成影响,分别使用2 h、6 h、12 h和24 h的钟差序列构建模型。实验结果表明,改进模型的预报精度较传统方法有一定提高,且预报结果更稳定;使用不同长度的钟差序列构建模型对预报结果有一定影响,其中二次多项式模型受原始序列长度的影响较大,改进模型受影响较小。     

加权总体最小二乘和RBF神经网络的三维坐标转换

分析部分变量误差加权总体最小二乘法（PWTLS）、加权总体最小二乘法（WTLS）和最小二乘法（LS）在三维坐标转换模型参数求解中的应用与影响,提出PWTLS与RBF神经网络组合的坐标转换方法。结果表明,当三维坐标转换模型系数矩阵中同时存在常数元素和重复元素时,PWTLS方法计算的单位权中误差和内符合精度均优于LS方法,且源坐标改正数较WTLS方法更加合理。PWTLS+RBF组合方法能够使PWTLS的求解参数得到有效使用,提高坐标转换精度。     

中国西南地区GPS大气水汽转换系数模型精化研究

利用中国西南地区19个探空站2011～2014年数据,通过积分法计算大气水汽转换系数K。采用2011～2013年的K值对Emardson模型进行精化,分别构建西南地区不顾及和顾及高程因子的K值模型Emardson-I和Emardson-H。利用2014年积分计算的K值检验这两种模型的预报精度,结果表明:1)相对于Emardson-I模型,Emardson-H模型表现出更高的K值预报精度和更好的适应性;2)在高海拔地区,Emardson-H模型预报精度明显优于Emardson-I模型,表明高程因子是影响高海拔地区K值计算的重要因素。将两种新模型用于拉萨站GPS大气水汽反演,Emardson-H模型表现出更优的反演精度,两种模型的反演精度均优于2 mm。     

MODIS红外水汽校正及其在InSAR大气改正中的应用

提出使用差分线性校正模型(DLCM)对MODIS红外波段大气水汽产品进行校正。利用在中国获取的两幅MODIS红外波段水汽产品进行分析后发现,在中国西部地区,受水汽参考值精度较差的影响,DLCM模型和传统线性校正(LS)方法均难以获得稳定、理想的校正结果;而在中国东部地区,DLCM模型可有效提高大气水汽的估计精度,且与LS方法相比,进行内符合精度评定时STD和RMS可以额外降低32.6%和15.7%,进行外符合精度评定时STD和RMS可额外降低32.3%和21.7%。此外,DLCM模型校正后的MODIS红外水汽产品在InSAR大气改正中的实验研究,亦证实了DLCM模型的有效性和将其用于InSAR大气改正的可行性。     

光压模型对GPS精密单点定位的影响

利用全球120个跟踪站2019年doy110~139观测数据进行GPS精密定轨;然后采用ECOM1、ECOM1+BW、ECOM1+ABW等3种光压模型,使用7个未参与定轨的测站进行PPP实验。结果表明,ECOM1+ABW组合模型轨道精度最高,非地影期三维轨道精度优于4 cm;对于静态PPP,收敛后水平方向精度优于0.8 cm,垂直方向精度优于1.2 cm;对于动态PPP,收敛时间在30 min左右,收敛后水平方向精度优于1.4 cm,垂直方向精度优于2.0 cm。     

长三角地区GNSS大气水汽转换系数模型精化研究

根据长三角地区7个探空站基于积分法计算的2016年大气水汽转换系数（K值）,利用多元线性拟合分别构建不顾及高程的Emardson-I精化模型和顾及高程的Emardson-H精化模型,并用2017年的K值验证两种模型的精度。实验结果表明,Emardson-H预报模型的MAE和RMS分别为0.001 297和0.001 616,略优于Emardson-I预报模型的0.001 303和0.001 620;基于两种新模型的GNSS-PWV反演精度相当,其MAE和RMS均优于0.6 mm。因此,Emardson-I模型以其无需实测气象参数和无需顾及高程在长三角地区的地基GNSS气象学实时应用中具有更好的效率优势。     

BDS/GPS/GLONASS组合精密单点定位模型及性能分析

针对精密单点定位中多系统融合的问题,提出BDS/GPS/GLONASS 组合PPP的函数模型及随机模型,实现了基于扩展卡尔曼滤波的BDS/GPS/GLONASS 组合PPP。利用实测数据进行静态及静态模拟动态的BDS/GPS/GLONASS 组合PPP实验,结果表明:1）静态实验中,BDS PPP平均收敛时间约为80 min,水平方向精度优于3 cm,天向精度优于6 cm;GPS PPP与多系统组合PPP定位精度相当,且收敛时间与组合PPP所应用的各系统中收敛较快的单系统PPP的收敛时间相当;2）动态实验中,BDS PPP的平均收敛时间约为105 min,水平方向精度优于7 cm,天向精度优于12 cm;多系统组合PPP的精度要优于单系统PPP,且有效缩短了收敛时间。     

EOF-LSTM神经网络的电离层TEC预报模型

为有效利用电离层总电子含量序列的时间信息,提出一种经验正交函数分解与长短期记忆神经网络组合的预报模型,利用IGS提供的云南地区TEC格网数据,分别对不同地点和不同时段的电离层进行建模预报。实验结果表明,该模型在同一时段预报5 d的TEC值均方根误差最优达1.83 TECu,较单一模型减小16%,其平均相对精度最优达91.56%,较单一模型增加7%;在同一地点预报5 d的TEC值均方根误差最优达1.86 TECu,较单一模型减小25%,其平均相对精度最优达90.74%,较单一模型增加7%。     

全球海潮模型最新进展及在中国沿海精度评估

介绍TPXO、FES、Chinatide、MIKE Global Tide、Utide等典型海潮模型,总结归纳其同化潮汐数据来源和最新的海洋地形数据,利用我国沿岸长期验潮站以外的26个中短期潮位观测站评估TPXO等海潮模型预报精度。结果表明,全球海潮模型对我国沿海M2分潮的预报精度普遍较低,且主导了几种海潮模型在中国海域的整体预报精度;相比MIKE Global Tide和TPXO7.2,TPXO8、TPXO_Yellow Sea 2010和TPXO_China&Ind模型在我国沿海的预报精度更高。     

一种基于频谱分析和AR补偿的对流层延迟预报模型

利用实测天顶对流层延迟值（ZTD）,在无气象参数条件下,提出一种对流层延迟建模与预报方法。首先利用频谱分析,得到ZTD时间序列周期特性,并在此基础上对ZTD进行建模,给出模型参数计算方法。然后,基于频谱分析模型拟合ZTD,并与实测值进行比较分析。最后,将分析得到的拟合残差用AR模型进行改正并预报。结果表明,基于频谱分析和AR补偿的ZTD改正预报模型能够满足不同测试环境下的需求,精度达到cm级。     

MSE准则下岭-主成分组合估计与LS估计的比较与选择

研究了测量平差Gauss—Markov模型中岭-主成分组合估计与LS估计的比较与选择问题。首先在均方误差（MSE）准则下对岭-主成分组合估计与LS估计进行了比较,得到了岭-主成分组合估计优于LS估计的椭球条件;然后运用Monte Carlo方法对这些条件进行了假设检验;最后通过数值实验说明,在一定显著性水平下当原假设被接受时,可采用岭-主成分组合估计对LS估计做出比较有效的改进,当原假设被拒绝时,应该仍采用LS估计。     

最优非负变权组合模型在卫星钟差预报中的应用

针对单一卫星钟差预报模型自身存在的缺陷,提出基于二次多项式、灰色GM（1,1）和ARIMA等三种单一模型的最优非负变权组合预报模型。通过与各单一模型和经典权组合模型进行对比分析表明,该模型预报残差RMS值最小,精度更高,能够根据各模型预报效果赋予不同的权值,在一定程度上综合了多种单一模型的优点,可降低预报风险,提高模型预报的可靠性。     

基于EM算法优化相关向量机的BDS-3超快速钟差预报

提出一种基于EM算法优化相关向量机(RVM)的BDS-3超快速钟差预报算法。首先,利用组合MAD法预处理钟差数据,并进行一次差分计算;然后,利用钟差一次差分数据对RVM模型进行训练,通过EM算法迭代求取模型的超参数;最后,利用优化后的RVM模型进行数据预测,将钟差一次差分预测值还原,得到钟差预报值。采用iGMAS中心提供的实测BDS-3超快速钟差数据进行预报实验,并将本文模型与QP模型、SA模型及iGMAS超快速钟差预报产品(ISU-P)结果进行对比分析。结果表明,对于6 h、12 h和24 h预报,本文模型预报BDS-3卫星钟差数据的平均精度均优于0.61 ns;与ISU-P、QP模型和SA模型相比,本文模型预报24 h时精度分别提升64.1%、50.0%和49.2%。     

单频GPS/GLONASS组合单点定位的精度评估

利用单频伪距观测值和广播星历数据,比较不同观测值权值下GPS/GLONASS组合单点定位的结果,并讨论大气误差对组合单点定位精度的影响。利用最小二乘和卡尔曼滤波两种算法进行单点定位计算,结果表明,组合定位单历元平面位置解精度优于2.5 m,高程方向精度优于4.5 m,24小时解3个坐标分量精度均优于1 m,对于该两种算法,组合定位与单独GPS定位相比精度均有不同程度的提高。