基于GM（1,1）+AR模型的钟差短期预报改进算法研究

发布时间：2021-01-08 14:23

　　针对传统GM（1,1）+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时刻的不同实时调整AR模型阶数。考虑到原始钟差建模序列长度会对预报精度造成影响,分别使用2 h、6 h、12 h和24 h的钟差序列构建模型。实验结果表明,改进模型的预报精度较传统方法有一定提高,且预报结果更稳定;使用不同长度的钟差序列构建模型对预报结果有一定影响,其中二次多项式模型受原始序列长度的影响较大,改进模型受影响较小。 

【文章来源】：大地测量与地球动力学. 2020,40(09)北大核心

【文章页数】：6 页

【部分图文】：

PRN26钟差预报结果

PRN08钟差预报结果

GM(1,1)+AR循环模型预报钟差思路如下:1)利用原始钟差序列构建GM(1,1)模型,并向外预报1个历元,预报结果记为GM(1,1)_pre,通过对比可得原始钟差序列与GM(1,1)模型拟合序列之差,记为GM(1,1)_bias;2)利用BIC准则确定合适的阶数,对GM(1,1)_bias序列构建AR模型,并向外预报1个历元,预报结果记为AR_pre;3)取GM(1,1)_pre与AR_pre之和为下一个历元的最终预报结果,即GM_AR_pre(i)= GM(1,1)_pre+AR_pre;4)将GM_AR_pre(i)添加至原始钟差序列中最后一位并剔除钟差序列的首位数据,形成新的原始钟差序列。重复执行上述步骤,直至预报结束。具体预报流程见图1。构建预报模型时,AR模型具有明确的定阶指标要求,而GM(1,1)模型对建模数据量大小并无明确规定。当原始序列长度不同时,GM(1,1)模型系数及后续预报结果也会存在差异,因此在建模前需确定原始钟差序列的长度。本文拟预报24 h的钟差,分别采用前2 h、6 h、12 h和24 h的钟差序列作为原始序列构建GM(1,1)模型,分析采用不同长度的原始序列构建GM(1,1)模型对预报精度的影响。

【参考文献】：
期刊论文
[1]基于灰色模型和混沌时间序列的卫星钟差预测算法[J]. 黄飞江,陈演羽,李廷会,袁海波,单庆晓.  电子学报. 2019(07)
[2]利用最小一乘法改进的灰色模型的导航卫星钟差预报[J]. 于烨,黄默,王小青,胡锐.  测绘通报. 2019(04)
[3]钟差预报模型的分析和比较[J]. 王向磊.  全球定位系统. 2018(02)
[4]附加周期和神经网络补偿的实时钟差预报模型[J]. 黄观文,崔博斌,张勤,付文举,李平力,蔺玉亭.  宇航学报. 2018(01)
[5]BDS星钟预报误差分析及对授时性能的影响[J]. 魏亚静,袁海波,董绍武,广伟,高喆.  时间频率学报. 2016(04)
[6]基于方差递推法的Kalman滤波在钟差预报中的应用[J]. 孙启松,王宇谱.  测绘与空间地理信息. 2016(06)
[7]一种改进钟差二次多项式模型的导航卫星钟差预报方法[J]. 王宇谱,吕志平,孙大双,王宁.  天文学报. 2016(01)
[8]地球定向参数高精度预报方法研究[J]. 许雪晴.  天文学报. 2015(05)
[9]基于一次差的灰色模型在卫星钟差预报中的应用[J]. 梁月吉,任超,杨秀发,庞光锋,蓝岚.  天文学报. 2015(03)
[10]基于经验模式分解和最小二乘支持向量机的卫星钟差预报[J]. 雷雨,赵丹宁.  天文学报. 2014(03)

硕士论文
[1]AIC准则及其在计量经济学中的应用研究[D]. 陈晓锋.天津财经大学 2012



本文编号：2964753