AR序列异常值探测的Bayes方法在卫星钟差预报中的应用

AR模型中若含有异常值,会使传统的建模、估计及检验方法陷人困境,从而不能准确地预测和控制。本文在无信息先验条件下,结合观测信息,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率,提出了无信息先验下自回归模型中异常值探测的Bayes方法并对异常值进行了估算。该方法能将异常值准确地探测和估算出来,借此修正模型,可提高预测的准确性。最后,做了钟差实测数据计算,比较了模型修正前后预报的情况,验证了该方法的有效性。     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题.首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率.然后运用Bayes方法对异常值进行了估算.最后通过卫星钟差实测数据计算,比较了模型修正前后预报的...     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题。首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率。然后运用Bayes方法对异常值进行了估算。最后通过卫星钟差实测数据计算,比较了模型修正前后预报的情况,验证了新方法的有效性。     

基于AR模型的GPS精密卫星钟差建模与预报

在GPS卫星精密钟差的预报中,短周期预报通常采用二次项拟合模型,长周期预报通常采用灰色模型,但这两种模型都只是考虑趋势项而没有考虑随机项,通过利用AR模型对钟差的随机项进行建模,并作为随机补偿,加入到二次项拟合模型与灰色模型中,以完善钟差预报的短周期与长周期模型。在算例中运用由IGS提供的精密钟差进行预测,结果表明:改进后的模型使钟差预报的精度得到一定程度的提高。     

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。     

顾及钟差随机项的GPS卫星钟差预报

针对卫星钟差呈趋势项和随机项变化的特点,提出了基于GM(1,1)与自回归求和移动平均的组合预报模型。该模型首先采用GM(1,1)模型预报钟差的趋势项部分,然后利用ARIMA模型对GM(1,1)的模型残差序列进行建模和预报,最后将GM(1,1)和ARIMA模型的预报结果对应相加即得到钟差的最终预报值。此外,采用IGS公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式模型和修正指数曲线法模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报。用12 h钟差建模时,预报未来6、12、24和48 h的平均预报精度分别为0.71、1.17、1.93和4.38 ns,相比于二次多项式模型的平均预报精度分别提高了29.70%、43.75%、67.62%和76.21%;相比于修正指数曲线法模型的平均预报精度分别提高了18.39%、33.90%、61.40%和70.49%。     

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.     

卫星钟差组合预报模型研究及其应用

为了提高卫星钟差预报的精度与稳定性,本文综合幂函数变换的GM(1.1)模型与Elman神经网络模型的优势,提出了一种组合卫星钟差预报模型。该组合预报模型实现卫星钟差预报的流程为：首先,使用钟差数据对幂函数变换的GM(1.1)模型进行建模并进行钟差预报;其次,将幂函数变换的GM(1.1)模型预报残值作为Elman神经网络模型训练样本进行模型训练与残差值预报;最后,将幂函数变换的GM(1.1)模型预报值与Elman神经网络模型残差预报值相加得到组合预报值。使用IGS提供的精密钟差数据进行实验,结果表明,本文提出的组合预报模型较单一的预报模型的预报精度与稳定性均有较大程度的提高,本文的研究对于高精度卫星钟差预报模型的建立具有重要参考价值。     

BDS精密卫星钟差建模与预报

针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。     

附加误差修正的GM(1,1)模型在卫星钟差预报中应用

提出一种附加误差修正的GM(1,1)模型卫星钟差预报方法:首先采用GM(1,1)模型利用已有观测值建模,然后利用已有的多余观测值得到预报残差,提出一个误差修正模型,最后利用该修正模型对预报结果进行改正。同时,为保证其可靠性,给出一个修正的阈值。计算结果表明,该方法能够大幅度地提高预报精度,尤其是当GM(1,1)模型预报结果有较大系统偏差时。     

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。     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

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。     

果蝇优化算法优化灰色神经网络的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,文章提出了一种基于果蝇优化算法(FOA)优化灰色神经网络的卫星钟差预报方法.利用FOA较强的全局寻优能力对灰色参数进行迭代动态微调,改善随机初始化所导致网络进化易陷入局部最优的问题,以提高灰色神经网络的预报精度;选取IGS产品中典型的卫星钟差数据,分别采用FOA优化灰色神经网络模型、神经网络模型、灰色系统模型和灰色神经网络模型进行短期钟差预报.仿真结果表明:FOA优化灰色神经网络模型的预报精度优于其他三种模型,性能满足卫星短期高精度钟差预报的要求.     

基于IGS超快星历的GPS钟差线性预报分析

本文在分析IGS超快星历卫星钟差的基础上,首先分析分别采用线性模型和二次多项式模型,利用实际观测值得到的预报值与IGS提供的超快预报值进行比较分析。在此基础上,利用实际观测的超快卫星钟差拟合得到线性模型分别预报后一天和后两天的钟差,分别利用第一天和第二天的实际钟差观测资料拟合得到的线性模型预报第三天的卫星钟差,并与IGS最终钟差产品进行比较分析。得出一些有益的结论与同行商榷。     

GPS卫星钟的特性与预报研究

经实验分析发现:GPS卫星钟差的预报精度与卫星的种类密切相关,最近发射的BLOCK ⅡR和BLOCKIIR-M类卫星比以往的BLOCK ⅡA类卫星要更加稳定,其卫星钟差的预报精度明显较高。直接利用IGS超快速产品和线性模型预报后6小时的卫星钟差,精度在0.5纳秒水平;但一些BLOCK ⅡA类卫星是不稳定的,通过对其预报残差的分析发现:同一颗卫星每天在相同时段用相同的模型去预报其卫星钟差,预报所得的残差呈周期性变化,并且这种周期性变化并不完全重合,还具有一定的随机性。依据这一特性本文构建了一个新的预报模型来实时预报GPS卫星钟差。该模型不仅能预报卫星钟差的总体变化趋势,还能预报残差的周期性变化以及随机项的变化,因此精度更高。预报结果均与IGS发布的最终产品相比,实验显示利用该方法实时预报GPS卫星钟差,预报精度可达0.5纳秒水平。     

灰色模型在快速卫星钟差预报中的应用

GPS实时精密单点定位需要实时的、精确的、可靠的预报卫星钟差预报,因此卫星钟差的预报是一项非常重要的工作,它对实时的高精度导航定位具有重要意义。为导航定位提供时间标准的导航卫星原子钟是非常精密的仪器,对外界环境非常敏感,无法将卫星钟差作为普通的白噪声处理,可以但可将卫星钟差看作是灰色系统来进行研究。本文根据灰色系统相关理论,将灰色系统模型GM(1,1)应用到卫星钟差的预报,并用IGS超快速星历建立了预报卫星钟差的灰色预测模型,研究了卫星钟差的变化规律。结果表明:灰色模型可用于卫星钟差的短期预报,它对超快速星历的预报精度与IGS产品中的IGU超快速星历本身的预报精度相当。     

利用改进灰色模型的钟差预报算法及其精度分析

灰色模型在钟差长期预报中虽具有一定的优势,但是预测的精度还有进一步提高的可能。在本文中,采用经过数据预处理和残差修正对一阶灰色模型进行了改进,再对GPS卫星钟差进行不同时间尺度上的预报。算例利用IGS提供的精密钟差产品,建立了一个基于改进灰色模型的预报算法,改进灰色模型的预报精度较传统的二次项模型有了很大的提高,且预报结果的收敛性也获得了一定程度的改善。     

灰色系统理论的优化方法及其在卫星钟差短期预报中的应用

通过利用灰色系统理论对卫星钟差进行预报研究,论述了灰色GM(1,1)模型的建立、计算及原点精度检验方法,并结合实例给出一种模型优化的途径,即参数优化法。计算结果表明,参数优化法可以提高卫星钟差短期预报的精度。