共查询到19条相似文献，搜索用时 109 毫秒
1.
2.
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。 相似文献
3.
基于MEA-BP神经网络的卫星钟差预报 总被引：1，自引：0，他引：1
卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。 相似文献
4.
针对北斗三号(BDS-3)卫星钟短期预报问题,在分析卫星原子钟频率稳定性的基础上,选用时间序列模型(ARIMA)、灰色模型(GM)、一次多项式(LP)以及二次多项式(QP)四种钟差预报模型对30天的数据进行拟合预报分析. 实验结果表明:1) 相对于北斗二号(BDS-2),BDS-3原子钟具有更高的稳定性. 其中BDS-3氢钟的千秒稳定性、万秒稳定性和日稳定性分别达到了4.2×10?14、1.89×10?14、4.14×10?15;2) BDS-3氢钟和BDS-3新型铷钟的预报稳定性和精度相对于BDS-2铷钟有明显提高,并且BDS-3氢钟在3 h、6 h和12 h下的预报精度分别达到了0.12 ns、0.18 ns和0.30 ns;3) 在四种模型中,时间序列模型的预报精度最高,在3 h、6 h和12 h下精度分别为0.26 ns、0.47 ns和0.96 ns. 相似文献
5.
6.
灰色系统理论的优化方法及其在卫星钟差预报中的应用 总被引：1，自引：0，他引：1
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,讨论了原始序列的预处理和模型优化方法,建立了相应的算法,并结合实例给出了一种通过参数优化模型的方法.计算结果表明,该方法可以提高卫星钟差预报的精度. 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
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. 相似文献
10.
根据北斗卫星导航系统星载原子钟自身的物理特性,采用武汉大学IGS数据中心发布的2016年1月1日至2016年11月1日共306天的事后钟差产品进行谱分析。分析结果表明:北斗卫星导航系统的3类卫星钟都存在一定的周期特性;其中GEO和IGSO卫星钟的主周期相对较为明显;GEO卫星钟的主周期依次为12、24、8和6h;IGSO的主周期为24、12、8和6h;而MEO的3个主周期为12.9、6.4和24h。依据各类原子钟的周期特性,同时对各天之间钟差的起始点偏差进行修正,并利用修正模型对北斗卫星钟差进行预报和精度分析。试验结果表明,改进的预报模型能显著提升北斗卫星的钟差预报精度,北斗卫星钟差24h、12h、6h的平均预报精度分别能达到6.55ns、3.17ns和1.76ns。 相似文献
11.
Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is 1 ns or so, when modified AR model is used. 相似文献
12.
Three functional models, polynomial, spectral analysis, and modified AR model, are studied and compared in fitting and predicting clock deviation based on the data sequence derived from two-way satellite time and frequency transfer. A robust equivalent weight is applied, which controls the significant influence of outlying observations. Some conclusions show that the prediction precision of robust estimation is better than that of LS. The prediction precision calculated from smoothed observations is higher than that calculated from sampling observations. As a count of the obvious period variations in the clock deviation sequence, the predicted values of polynomial model are implausible. The prediction precision of spectral analysis model is very low, but the principal periods can be determined. The prediction RMS of 6-hour extrapolation interval is Ins or so, when modified AR model is used. 相似文献
13.
针对灰色神经网络权值阈值的不确定性,该文提出改进型果蝇优化算法优化的灰色神经网络预测模型。通过添加逃脱系数修改适应度函数,同时引入三维空间搜索的概念扩大了果蝇搜索范围对基本果蝇优化算法进行改进,避免算法陷入早熟收敛的陷阱,加快收敛速度,有效地提高了算法的优化性能。利用改进型果蝇优化算法优化灰色神经网络参数建立预测模型。选用实际工程沉降数据仿真模拟,验证该模型的预测性能,并将预测结果与果蝇优化算法灰色神经网络、粒子群优化灰色神经网络和灰色神经网络进行比较。结果表明,改进型果蝇优化算法优化的灰色神经网络预测模型预测精度更高,拟合程度更好。 相似文献
14.
15.
基于卫星双向时间频率传递进行钟差预报的方法研究 总被引：1，自引：0，他引：1
用多项式拟合、谱分析、改进的AR模型三种方法对由卫星双向时间频率传递得出的钟差时间序列进行了拟舍和预报分析。为了抵制钟差时间序列中异常值的影响，引入了“抗差等价权”，利用卫星双向时间频率传递得到的1d的钟差，按不问采样率、不同时间跨度进行计算分析。结果表明，抗差估计的预报精度明显高于最小二乘估计；平滑值的预报精度高于采样值；由于钟差时间序列中有明显的周期变化，多项式进行钟差预报的精度不可靠；用谱分析进行钟差预报的精度不高，但可以发现钟差时间序列中的主要周期变化；改进的AR模型预报精度最高，预报6h钟差的RMs在1ns左右。 相似文献
16.
顾及卫星钟随机特性的抗差最小二乘配置钟差预报算法 总被引：2，自引：2，他引：0
为了更好地反映钟差特性并提高其预报精度,采用抗差最小二乘配置方法建立一种能够同时考虑星载原子钟物理特性、钟差周期性变化与随机性变化特点的钟差预报模型。首先使用附有周期项的二次多项式模型进行拟合提取卫星钟差的趋势项与周期项,然后针对剩余的随机项及其可能存在的粗差,采用抗差最小二乘配置的原理进行建模,其中最小二乘配置的协方差函数通过对比协方差拟合的方法并结合试验进行确定。使用IGS精密钟差数据进行预报试验,将本文方法与二次多项式模型、灰色模型进行对比,预报精度分别提高了0.457 ns和0.948 ns,而预报稳定性则分别提高了0.445 ns和1.233 ns,证明了本文方法能够更好地预报卫星钟差,同时说明本文的协方差函数确定方法的有效性。 相似文献
17.
18.
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。 相似文献
19.
Real-time clock offset prediction with an improved model 总被引：5，自引：3，他引：2
The GPS orbit precision of the IGS ultra-rapid predicted (IGU-P) products has been remarkably improved since 2007. However, the satellite clock offsets of the IGU-P products have not shown sufficient high-quality prediction to achieve sub-decimeter precision in real-time precise point positioning (RTPPP), being at the level of 1–3 ns (30–90 cm) RMS in recent years. An improved prediction model for satellite clocks is proposed in order to enhance the precision of predicted clock offsets. First, the proposed prediction model adds a few cyclic terms to absorb the periodic effects, and a time adaptive function is used to adjust the weight of the observation in the prediction model. Second, initial deviations of the predictions are reduced by using a recomputed constant term. The simulation results have shown that the proposed prediction model can give a better performance than the IGU-P clock products and can achieve precision better than 0.55 ns (16.5 cm) in real-time predictions. In addition, the RTPPP method was chosen to test the efficiency of the new model for real-time static and kinematic positioning. The numerical examples using the data set of 140 IGS stations show that the static RTPPP precision based on the proposed clock model has been improved about 22.8 and 41.5 % in the east and height components compared to the IGU-P clock products, while the precisions in the north components are the equal. The kinematic example using three IGS stations shows that the kinematic RTPPP precision based on the proposed clock model has improved about 30, 72 and 44 % in the east, north and height components. 相似文献