共查询到20条相似文献，搜索用时 15 毫秒
1.
准确预报地球自转变化对于精密定位、空间飞行器的跟踪与正常运行，具有重要的科学意义和实用价值。根据周日变化（UT1-UTC）和极移变化（PM）的特性，用最小二乘法，建立了适合于UT1-UTC和PM趋势项和周期项观测数据的拟合模型。对于UT1-UTC残差序列采用差分自回归移动平均（ARIMA）模型进行预报，对于PM残差采用季节性自回归移动平均（SARMA）模型进行预报。实例结果表明：我们的UT卜UTC预报结果比地球自转服务（IERS）产品好，而PM比IERS要差一些。当大气角动量（AAM）和海洋角动量（OAM）数据参与计算后，对UT卜UTC的预报有细微改善，对PM无改善。 相似文献
2.
3.
时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。 相似文献
4.
为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性. 相似文献
5.
地球自转参数（ERP）是卫星精密定轨中联系天球坐标系与地球坐标系的必要参数,是国际GNSS服务组织（IGS）和国际GNSS监测评估系统（iGMAS）分析中心的重要产品。为了提高中国测绘科学研究院分析中心（CGS）的线性模型预报精度,本文研究了最小二乘（LS）和自回归模型（AR）组合的超短期预报最优方法;通过不同周期数据确定最佳预报时长,利用LS+AR模型进行超短期预报,并通过IGS和iGMAS与线性模型产品对比。结果表明：利用8 d（时段）数据进行超短期预报最优;LS+AR模型预报精度明显优于LS模型;LS+AR的超短期预报方法优于分析中心的线性预报方法;EOP的PMX和PMY分量利用时段数据预报、LOD利用天数据预报精度更高。本文超短期预报方法能够提高ERP预报精度,为IGS或iGMAS分析中心的ERP预报提供了一定的参考意义。 相似文献
6.
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%。 相似文献
7.
稳健时序分析方法及其在边坡监测中的应用 总被引：1，自引：0，他引：1
本文将稳健估计方法引入时间序列建模,提出了基于稳健估计的自回归建模方法。采用某实测边坡两个监测点连续30期数据对该方法进行了验证计算与分析,结果表明当监测序列没有异常值时,稳健与常规自回归模型的预报精度相当;而当监测序列含有少量异常值时,稳健比常规自回归模型的预报精度有较明显的提高。 相似文献
8.
电离层延迟是全球卫星导航系统(GNSS)高精度导航定位应用中的重要误差源. 通过对电离层总电子含量(TEC)进行测量和短期预报可有效提升GNSS单频用户的定位精度,对其他无线电系统的电离层效应也可起到有效减缓作用. 近二十年来提出了很多行之有效的短期预报方法,但还没有哪一种方法有绝对优势,其预测精度都有待提高. 利用Madrigal数据库任意选取的5个格网点的TEC观测数据,首先比较了自相关和自回归滑动平均(ARIMA)方法,然后研究了自相关预报方法中实际参与加权的观测值覆盖天数和观测值数量这两个参数的选取对预报误差的影响,并提出了参数设置优化方案. 试验结果显示:1)自相关方法的预报误差略小于ARIMA方法,且自相关方法所花费时间比ARIMA方法少,总体上自相关方法是一种性能更优的方法;2)对于自相关方法,相比于传统的“4+12”参数设置方案,“3+9”方案总体上具有更优的预报性能,说明TEC时间序列的当前状态可能主要与前3天的状态有关. 相关结果可作为电离层短期预报工程实现的一个有用的参考方案. 相似文献
9.
介绍了利用GPS解算地球自转参数的理论与方法,选取80个左右的IGS参考站以8h观测弧段进行GPS数据处理,分析解算了2h时间间隔地球自转参数序列值。对以上基于GPS观测解算的高频时间序列值进行小波降噪,并利用FFT频谱分析的结果获得了地球自转参数的周日项、半周日项。 相似文献
10.
分别采用时间序列中的求和自回归移动平均模型ARIMA(Autoregressive integrated moving average)模型和指数平滑模型Holt-Winters的加法模型,对IGS站发布的广西地区16个格网点进行短期的电子含量TEC预报。并利用组合权重的方法对两种模型组合进行TEC短期预报。分析比较不同季节各个模型的预测效果,以及电子含量的变化与太阳黑子数变化之间的联系。结果表明,组合模型的预测精度在各个季节都优于两种单一模型,不同季节,太阳黑子数的含量和电离层电子含量预测的精度也有较大差异。 相似文献
11.
应用半参数AR模型的电离层TEC建模与预测 总被引：1，自引：0，他引：1
本文基于时间序列分析的DDS(Dynamic Data System)建模法,对季节性的电离层总电子含量(TEC)时间序列观测值平稳化后建立自回归AR模型,提出以半参数AR模型对普通AR模型精化,并利用半参数AR模型对电离层TEC预报。实例分析表明:利用半参数AR模型对电离层TEC进行预报,在短期内半参数模型预报效果优于普通AR模型,但随着预报时间变长,则半参数模型预报精度明显下降,其预报效果则不如普通的AR模型。 相似文献
12.
一种建筑沉降叠加预测方法 总被引：2，自引：0，他引：2
针对高层建筑的沉降监测与趋势预报问题,结合时间序列分析方法,该文提出一种基于ARMA的趋势项和随机项叠加预测法,把沉降监测时间序列数据分解为趋势项与随机项,分别建立趋势回归函数模型与随机项ARMA模型,叠加进行沉降量的预报,并通过上海外滩某高层建筑的沉降监测实例,研究并比较了该方法与传统的ARIMA差分预测法对建筑沉降预报精度的影响。实验结果表明:基于ARMA的趋势项和随机项叠加预测法在沉降预报中精度优于基于ARIMA的差分预测法。该方法利用趋势回归函数的保持作用,克服了传统的时间序列ARIMA模型在长期预测中精度不高的问题,并且随着预测步长的增加,优势更加明显。 相似文献
13.
《现代测绘》2016,(5)
区域电离层的监测和预报是一项具有重要意义的工作,也是目前一个比较热门的研究方向。据此,着重研究了区域电离层的预报模型,以期能够为区域内的用户提供短期的电离层VTEC预报信息。提出了一种基于EOF分解的区域电离层VTEC预报模型,该模型同时考虑了VTEC时间序列的时间分布特性和空间分布特性:首先通过EOF分解提取随时间变化的时间分量和不随时间变化的空间分量,并对时间分量进行预测,最后通过EOF重构获取VTEC预报值。采用IGS提供的195个格网点的VTEC数据对模型进行验证,结果显示,基于EOF分解区域电离层VTEC预报模型的预报平均相对误差为4.05%,相比于普通的时间序列模型其精度可以提高40.3%。 相似文献
14.
15.
16.
变形监测的目的是针对不同的监测数据采用合适的数据处理方式,建立适当的模型,做出正确的预报,以减小事故的发生。回归模型是研究一个随机变量(因变量)和另一个或一些变量(自变量)关系的统计方法,它通常设置一些可以测量的变量为自变量建立回归方程来预测另外一些变量的变化趋势,是一种静态数据处理方式,但是在时间序列情况下,回归应该根据该变量自身以前的规律创建预测模型,这就是自回归模型,是一种动态数据处理方法,它特别适合于短期监测预报。 相似文献
17.
18.
为提高导航卫星钟差预报的精度,提出了一种最小二乘支持向量回归(LSSVR)和遗传算法(GA)相结合的导航卫星钟差预报方法。根据卫星钟差序列变化的非线性特征,选用高斯径向基函数(RBF)建立卫星钟差LSSVR预测模型。针对LSSVR模型的参数选择问题,引入GA对不同星座以及原子钟类型预测模型的参数进行搜索寻优。该方法能够在较大范围内自动确定优化参数,提高LSSVR的泛化性能。将所提出的方法用于GPS卫星钟差的短期预报,并与常规预报方法进行对比。结果表明,GA-LSSVR模型对不同星座以及原子钟类型钟差预报均表现出良好的稳健性,能够在一定程度上抑制钟差预报误差随时间延长不断增大的问题,整体预报精度优于常规方法。 相似文献
19.
地球自转速度变化是导致全球气候变暖的重要原因之一,而探讨地球自转速度变化与气温变化的影响的相关性,并尝试建立一定的相关性模型是其中一种研究方式.首先分别利用地球自转速率数据与全球气温数据分析与建模,并判断模型温度预测的可行性,发现仅可进行短期温度预测;研究全球温度数据与地球自转速度变化数据相关性,进行相关性分析以及显著性检验,可知二者有强正相关性;最后研究气温预测的可行性,对气温和自转速率数据回归拟合,利用拟合公式,进行实际与预测的地球自转速率温度预测实验,结果证明推测方法可行.实验以IERS官网获取的日详细地球自转速度变化数据,以及伯克利地球组织获取的全球气温数据为例. 相似文献
20.
基于ARIMA模型的边坡变形分析与预测 总被引：1，自引：0，他引：1
详细论述了时间序列分析中的平稳性分析、模型识别、模型评价和模型预测的过程，建立自回归滑动平均求和（ARIMA）模型对2016年6月29日-2017年10月4日共计461 d的边坡监测数据进行时间序列分析和预测。结果显示：利用ARIMA模型对边坡观测数据进行时间序列分析具有可行性，并能取得较好的效果，研究成果可为工程施工和防灾减灾提供技术参考。 相似文献