共查询到19条相似文献，搜索用时 171 毫秒
1.
《武汉大学学报(信息科学版)》2015,(9)
导航卫星的自主定轨是提高卫星导航系统生存能力的一个重要手段,在解决导航星座自主定轨中涉及到高精度的轨道预报,提高轨道预报精度对于自主定轨精度有着重要意义。针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,本文提出了一种改进北斗导航卫星中长期轨道预报精度的新方法。利用神经网络作为建立预报模型的工具,在动力学模型的基础上建立神经网络模型,通过对历史时刻预报误差的学习及训练,掌握其变化规律,再用于补偿和改进当前时刻的预报轨道,以达到提高预报精度的目的。本文制定了导航卫星轨道中长期预报方案,并利用实测数据进行了实验分析,结果表明,采用神经网络模型补偿预报轨道误差时,不同卫星在不同初始时刻下的改进效果是不同的。预报15d导航卫星的轨道精度由318m提高至19m,预报30d轨道精度由1 757m提高至49m。预报15d、30d轨道改进幅度分别为41%~80%、32%~88%。 相似文献
2.
针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,尝试采用神经网络作为建模工具改进北斗导航卫星轨道预报精度。对影响神经网络模型补偿效果的因素进行了详细分析,基于神经网络补偿波形调整策略制定了适应导航卫星短期、中期和长期预报的神经网络优化模型。利用实测数据进行了试验分析,结果表明,该方法可以显著改进利用动力学模型得到的预报轨道精度。短期预报中,当采用的训练样本距离当前时刻大于10 d时,应移动补偿波形;中长期预报中均应移动补偿波形。相比补偿波形不调整的神经网络模型,采用基于补偿波形调整的神经网络优化模型后,预报弧长为8、15、30 d时,改进率分别提高了2.3%、6.7%、10%。 相似文献
3.
高轨卫星轨道预报中神经网络模型优化设计 总被引：1，自引：0，他引：1
高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明:预报8,15及30 d应选择的训练步长分别为10,20及25 min;轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67%~82.37%不等。 相似文献
4.
《测绘科学》2020,(7)
针对动力学模型预报轨道误差随弧长增加而发散的问题,用深度学习长短期记忆神经网络模型对预报误差进行补偿,且对LSTM模型逐点迭代产生的误差积累问题,提出了总体经验模态分解和LSTM模型组合的EEMD-LSTM预报模型。采用LSTM模型补偿GEO、IGSO和MEO轨道误差较BP神经网络更能完备地学习误差特性,在短、中和长期预报中,两者均方根误差差值随预报弧长增大而增大,同时误差平均改进率■也明显提高,30 d内预报中增大的■高达28.6%。且EEMD-LSTM模型较好地抑制LSTM模型误差累积,在中长期的预报中RMSE和■的差值再变化,前者高达到21.13 m,后者高达到4.24%。EEMD-LSTM组合模型补偿功能的实现对未来GNSS卫星轨道预报方法研究提供了一种参考。 相似文献
5.
《武汉大学学报(信息科学版)》2016,(3)
为了提高导航卫星钟差中长期预报的精度,在提出一种针对钟差一次差分序列的数据预处理方法的基础上,建立了一种钟差中长期预报的小波神经网络模型。该模型首先对建模钟差数据进行一次差分,然后对一次差分序列进行预处理;用预处理后的一次差分序列对小波神经网络建模并进行中长期预报,最后将预报结果还原得到相应的钟差预报值。使用全球定位系统(GPS)卫星的铷钟数据进行中长期预报,并与常用的二次多项式模型、灰色模型、Kalman滤波模型进行对比,结果表明,本文方法能有效减小导航卫星星载铷钟钟差的中长期预报误差。 相似文献
6.
以GPS卫星为例,提出了一种太阳光压模型精化方法。该方法能使卫星升交点赤经及轨道倾角在180d内的预报误差控制在±40mas左右,较显著地提高了自主定轨卫星轨道的切向和法向精度,最终改善了用户测距误差,对卫星轨道径向改善不明显,对钟差项几乎没有影响。 相似文献
7.
卫星钟差单差的小波神网络预报 总被引：2，自引：0，他引：2
针对现有卫星钟差预报模型对非平稳过程预报的局限性,提出基于卫星钟差一次差值的小波神经网络预报模型。对在轨卫星钟差求取一次差值的基础上,运用小波神经网络模型预报GPS卫星钟差,同时与GM(1,1)模型预报的结果进行比较。得出BlockΠA Cs短期预报的精度能达到0.690ns,14d预报的精度最差时依然优于1ns;其余稳定性良好的卫星钟,一天预报的结果均要优于0.207ns,预报14d卫星钟差的平均精度优于0.183ns,部分卫星钟差预报精度可以达到0.050ns,预报得到的结果可以达到GPS对实时精密单点定位的要求。 相似文献
8.
针对卫星钟差预报模型的普遍适用性低，以及预报模型中星载原子钟类型和建模特点结合不充分等问题，提出了四种适用于非线性处理的神经网络模型来预报卫星钟差.首先对钟差数据进行预处理；然后通过基于萤火虫算法(firefly algorithm, FA)优化反向传播(back propagation,BP)神经网络(FA-BP neural networks,FA-BPNN)模型、Elman循环神经网络模型、径向基函数(radial basis function,RBF)神经网络模型以及基于卷积神经网络-长短期记忆(convolutional neural networks-long short term memory,CNN-LSTM)网络模型对1 d和7 d的钟差数据量建立模型；再采用武汉大学国际GNSS服务(International GNSS Service,IGS)数据分析中心(WHU)的GPS精密钟差数据进行钟差预报；最后从不同建模数据量及不同批次卫星的同一类型原子钟和不同批次卫星的不同类型原子钟的角度，将预报效果进行分析与对比.结果表明：1)四种模型在建模特点上，1 d的钟差数据量建... 相似文献
9.
地面站可控天线可以不借助接收机而直接监测导航卫星的信号质量,地面天线伺服系统根据卫星的实时位置计算出仰角及方位角来确定天线的指向。广播星历及历书等常用的计算卫星位置的方法虽误差较小,但其误差随时间迅速扩大,基于该问题,论文论述了双行星历（TLE）结合SDP4模型进行卫星轨道预报方法,利用SDP4模型计算GPS导航卫星的实时位置并预报卫星的仰角及方位角,采用IGS 事后精密星历对其角度预报误差进行了评估,同时,还将该方法的预报误差与广播星历、历书、STK高精度轨道预报等方法的预报误差进行了对比。实验结果表明：采用SDP4模型对导航卫星进行位置预报可满足误差要求,且时间有效性长、通用性好,具备实际应用价值。 相似文献
10.
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
11.
12.
13.
针对已有的遗传BP神经网络土地利用变化预测模型存在BP神经网络隐层节点不易确定、创建过程烦琐等问题,本文利用输入层与隐藏层神经节点数量关系原理确定隐层节点,在Sheffield工具箱环境下进行遗传算法的编程,简化遗传BP神经网络土地利用变化预测模型的创建。结果表明,利用输入层和隐含层节点数量关系创建的遗传BP神经网络土地利用变化预测模型,可以实现土地利用变化的预测,而且在效率和精度上均优于传统BP神经网络模型,且操作简便。 相似文献
14.
15.
神经网络在卫星钟差短期预报中的应用研究 总被引：2，自引：0，他引：2
本文针对卫星钟差的特点,提出了基于神经网络的卫星钟差短期预报模型,给出了基于径向基函数(RBF)网络进行卫星钟差预测的基本思想、预测模型和实施步骤,并对比分析了神经网络模型与灰色系统理论模型的区别.为验证本文提出的预报模型的可行性和有效性,利用GPS卫星钟差数据进行钟差预报精度分析,并与灰色系统模型进行对比分析.仿真结... 相似文献
16.
最优权组合预测法在采煤沉陷变形预测中的应用 总被引：1，自引：0，他引：1
煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开，基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想，以非等间隔灰色预测模型与BP神经网络模型为预测单模型，以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源，以最优加权法对单模型预测结果开展了最优权组合，组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价，结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果，最优权组合预测的模型精度较单模型明显提升，预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。 相似文献
17.
天顶对流层延迟(zenith tropospheric delay,ZTD)是影响GPS定位精度的关键因素,为了提高ZTD的预测精度,提出一种基于相空间重构的高斯过程回归预测模型。针对ZTD时间序列的混沌特性,利用国际GNSS服务(International GNSS Service,IGS)站提供的ZTD数据,采用Cao方法确定嵌入维数,对ZTD数据进行相空间重构,探究高斯过程(Gaussian process,GP)模型对12个位于南、北半球不同纬度等级IGS站的ZTD预测精度和准确性。为了验证GP模型的有效性,将预测结果分别与原始数据和反向传播(back propagation,BP)神经网络模型预测结果作对比分析,进一步探究不同时间对ZTD预测精度的影响,并分析了经度和海拔对ZTD预测精度的影响。结果表明,GP模型预测结果的均方根误差(root mean square error,RMSE)达到mm级,GP模型与理论值的相关性达到0.997,预测精度指标明显优于BP神经网络模型;GP模型在南半球的预测精度高于北半球,且在高纬地区的RMSE小于3.6 mm,更适用于高纬地区的对流层延迟预测;在研究时域内,GP模型在大部分站点对晚上的预测精度高于白天,经度对ZTD预测精度的影响不明显,海拔与ZTD预测精度呈正比。 相似文献
18.
针对桥梁的非线性下沉问题,引用了混沌理论,首先求取时间序列的两重构参数时间延迟τ和嵌入维数m进行相空间重构;随后进行混沌特性判别,确定该时间序列存在混沌迹象;最后根据所求参数建立加权零阶局域预计模型和RBF神经网络混沌预计模型对观测数据进行预计分析,并与系数为0.9的指数平滑预测模型进行比较,结果显示混沌预计模型值更接近实测值,三者相比RBF神经网络混沌预计模型的预计精度优于另外两者,表明混沌预计模型预测精度满足桥梁变形监测精度需求。 相似文献
19.
BP神经网络具有非常强的非线性映射能力,广泛应用于分类识别、逼近、回归、压缩等领域。本文基于BP神经网络的理论基础,利用某矿区地表沉降观测点1~10期的实测沉降数据资料,结合MATLAB建立针对矿区地表沉降的预测模型,并预测其11~15期的沉降情况。通过将预测值与实测值进行对比,分析预测模型精度,结果表明BP神经网络用于矿区地表的沉降研究是可行的。 相似文献