分类： 天文学 >> 天文学 提交时间： 2022-11-17 合作期刊: 《天文研究与技术》
摘要： 为提高对流层天顶延迟（Zenith Tropospheric Delay，ZTD）估计精度，基于传统对流层天顶延迟建模思路，提出Saastamoinen，Askne和GPT3多模型融合的对流层天顶延迟估计方法。分别采用Saastamoinen和Askne模型估计干延迟和湿延迟，并引入GPT3模型提供温度、气压、水汽压、大气加权平均温度和水汽垂直递减率气象参数。利用全球大地测量观测系统（Global Geodetic Observing System，GGOS）Atmosphere和国际GNSS服务机构（International GNSS Service，IGS）提供的亚洲区域66个IGS站的2016-2018年对流层天顶延迟数据对本文方法进行评估，结果表明，以GGOS Atmospheres数据为参考时，Sas+Ask+GPT3模型精度（RMS：4.53cm）较同等条件下的Sas+Ask+UNB3m和Sas+GPT3模型分别提高约29%和19%，以IGS 对流层天顶延迟数据为参考时，Sas+Ask+GPT3模型精度（RMS：4.35cm）较另两种模型分别提高约25%和14%；Sas+Ask+GPT3模型误差具有冬季小而夏季大的季节性特征，且夏季误差明显低于另两种模型；在空间分布上，模型误差随高程或纬度的增加而降低。研究表明，本文方法可用于亚洲区域对流层天顶延迟的高精度实时修正。
分类： 天文学 >> 天文学 提交时间： 2020-01-20 合作期刊: 《天文研究与技术》
摘要： 传统的极移预报多是基于最小二乘外推和自回归等线性模型，但极移包含了复杂的非线性成分，线性模型的预报效果往往不甚理想。将一种新型神经网络—极限学习机（extreme learning machine，ELM） 用于极移中长期预报。首先利用最小二乘外推模型对极移序列进行拟合，获得趋势项外推值，然后采用ELM对最小二乘拟合残差进行预报，最终的极移预报值为趋势项外推值与残差预报值之和。将ELM的预报结果同反向传播（back propagation，BP）神经网络与地球定向参数预报比较活动（Earth Orientation Parameters Prediction Comparison Campaign，EOP PCC）的预报结果进行对比，结果表明：ELM用于极移中长期预报是高效可行的。
分类： 天文学 >> 天文学 提交时间： 2018-05-15 合作期刊: 《天文研究与技术》
摘要： 现有UT1-UTC预报模式在进行周期项与残差项拟合分离时，通常没有考虑最小二乘拟合序列的端部畸变现象（数据处理中称为端部效应），预报精度难以取得较大改善。针对最小二乘拟合存在的端部畸变现象，首先采用时序分析方法在UT1-UTC序列两端进行数据延拓，形成一个新序列，然后用新序列求解最小二乘外推模型系数，最后再联合最小二乘外推模型及神经网络对UT1-UTC序列进行预测。结果表明，在UT1-UTC序列端部增加延拓数据，可以有效地抑制最小二乘拟合序列的端部畸变；相对于常规最小二乘外推模型，基于端部效应改善的最小二乘（edge-effect corrected least squares，ECLS）外推模型的UT1-UTC中长期预报精度改善明显。
分类： 天文学 >> 天文学 提交时间： 2017-09-26 合作期刊: 《天文研究与技术》
摘要： 全球卫星导航系统空间信号分析是系统设计阶段与运行过程中的一项重要工作。首先给出了基于全球卫星导航系统监测接收机观测量的空间信号稳定性分析方法，然后通过数字仿真实验证实了方法的可用性，最后以北千系统地球同步轨道卫星的实测伪距数据为例，从原始伪距观测数据、伪距拟合残差与伪距拟合残差标准差3方面对信号稳定性进行了分析，实验结果进一步验证了本文方法的可行性与有效性。方法对于保障卫星导航信号的连续性与可靠性具有一定意义。
点击量
点击量
下载量
评论
