基于最优权组合方法的北斗卫星钟差预报

基于北斗卫星全球服务开通运行,北斗精密定位与导航中钟差预报至关重要。本文深入研究灰色模型与神经网络模型钟差预报之后,通过最优权组合方法将二者有效的结合,最优权组合模型融合二者预报模型的优点,实现北斗钟差精准预报。最后,以北斗钟差数据为例,通过北斗三种卫星携带的原子钟,建立最优权组合钟差预报模型,确定组合模型中单模型的权重值,最终预测钟差结果验证了该组合模型预报精度高于单模型,该组合模型对北斗钟差预报具有适用性与有效性。     

基于EMD方法的组合预测模型在建筑物基坑沉降监测中的应用

为了对建筑物基坑沉降进行准确预报,在传统的时间序列预测模型的基础上,提出了一种基于经验模态分解（EMD）方法的差分灰色神经网络-AR模型。该模型充分结合EMD方法在信号自适应分解中的优势,通过EMD方法将监测数据分为不同频段的分量,使用差分灰色神经网络模型对序列更为稳定的低频分量进行预测,消除了由于灰色预测模型预测残差不稳定导致预测结果精度较低的问题;使用AR时间序列模型对稳定性较低的高频分量进行预测,重构由不同模型预测得到的结果,得到最终预测结果。将灰色GM(1.1)模型、差分灰色神经网络模型与本文提出的组合模型应用于某在建建筑物基坑沉降预测中,试验结果表明相比于灰色GM(1.1)模型与差分灰色神经网络模型,本文提出的组合模型预测精度更高,可以有效预报建筑物基坑沉降,在实际工程中有较高的推广价值。