為了提高衛(wèi)星鐘差預(yù)報(bào)的精度和穩(wěn)定度,提出了一種基于粒子群算法優(yōu)化指數(shù)函數(shù)和線性函數(shù)逼近的加權(quán)灰色回歸組合的自適應(yīng)衛(wèi)星鐘差預(yù)報(bào)方法.該方法首先在建模之前考慮到衛(wèi)星鐘差鐘跳頻繁的現(xiàn)象,采用中位數(shù)法探測(cè)鐘跳數(shù)據(jù)并將其剔除后,采用分段線性插值法將缺失的鐘差數(shù)據(jù)補(bǔ)齊;然后考慮到衛(wèi)星鐘差存在系統(tǒng)噪聲,采用三點(diǎn)平滑法對(duì)鐘差數(shù)據(jù)進(jìn)行平滑處理后,建立了以指數(shù)函數(shù)和線性函數(shù)逼近加權(quán)灰色回歸組合的衛(wèi)星鐘差預(yù)報(bào)模型.針對(duì)模型中的精度遞增因子難以確定的問題,采用粒子群優(yōu)化算法對(duì)精度遞增因子進(jìn)行自適應(yīng)尋優(yōu).最后,采用IGS服務(wù)器上發(fā)布的事后精密衛(wèi)星鐘差產(chǎn)品,并結(jié)合4種典型變化趨勢(shì)的衛(wèi)星鐘差進(jìn)行了6 h的預(yù)報(bào)試驗(yàn).試驗(yàn)結(jié)果表明:該方法的預(yù)報(bào)性能明顯優(yōu)于其他幾種常用模型,其6 h的平均預(yù)報(bào)精度（RMS）和穩(wěn)定度（Range）相對(duì)于常用的二次多項(xiàng)式預(yù)報(bào)模型、灰色預(yù)報(bào)模型、修正指數(shù)曲線法預(yù)報(bào)模型和自回歸滑動(dòng)平均預(yù)報(bào)模型分別提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%. 

【文章來源】：哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2020,52(10)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

剔除異常鐘差補(bǔ)齊后的頻率數(shù)據(jù)

3)根據(jù)式(26)更新粒子的速度、位置和慣性權(quán)重,然后判斷是否達(dá)到了最大迭代次數(shù)Gmax.若達(dá)到,則迭代結(jié)束,所得到的最優(yōu)位置即為精度遞增因子R的值;若未達(dá)到,則繼續(xù)迭代直到迭代結(jié)束.此算法的具體流程見圖1.3 試驗(yàn)與分析

這四顆衛(wèi)星第2 000周第0 d的事后精密鐘差時(shí)間序列的變化情況如圖2所示,其中PRN03號(hào)衛(wèi)星的鐘差時(shí)間序列呈正值單調(diào)遞增趨勢(shì),PRN12號(hào)衛(wèi)星的鐘差時(shí)間序列呈正值單調(diào)遞減趨勢(shì),PRN14號(hào)衛(wèi)星的鐘差時(shí)間序列呈負(fù)值遞減趨勢(shì),PRN17號(hào)衛(wèi)星的鐘差時(shí)間序列呈負(fù)值單調(diào)遞增趨勢(shì),具有充分的代表性.由于衛(wèi)星鐘差的有效位數(shù)比較多,使得原始觀測(cè)鐘差數(shù)據(jù)異常點(diǎn)容易被掩蓋,而異常鐘差在其對(duì)應(yīng)的頻率數(shù)據(jù)中表現(xiàn)為顯著的峰值點(diǎn),所以先將衛(wèi)星鐘差轉(zhuǎn)換為相應(yīng)的頻率數(shù)據(jù)后更容易對(duì)異常鐘差進(jìn)行探測(cè),具體轉(zhuǎn)換公式如下


本文編號(hào)：2986463