為了提高衛(wèi)星鐘差預報的精度和穩(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)逼近的加權灰色回歸組合的自適應衛(wèi)星鐘差預報方法.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)補齊;然后考慮到衛(wèi)星鐘差存在系統(tǒng)噪聲,采用三點平滑法對鐘差數(shù)據(jù)進行平滑處理后,建立了以指數(shù)函數(shù)和線性函數(shù)逼近加權灰色回歸組合的衛(wèi)星鐘差預報模型.針對模型中的精度遞增因子難以確定的問題,采用粒子群優(yōu)化算法對精度遞增因子進行自適應尋優(yōu).最后,采用IGS服務器上發(fā)布的事后精密衛(wèi)星鐘差產(chǎn)品,并結合4種典型變化趨勢的衛(wèi)星鐘差進行了6 h的預報試驗.試驗結果表明:該方法的預報性能明顯優(yōu)于其他幾種常用模型,其6 h的平均預報精度（RMS）和穩(wěn)定度（Range）相對于常用的二次多項式預報模型、灰色預報模型、修正指數(shù)曲線法預報模型和自回歸滑動平均預報模型分別提高了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)大學學報. 2020,52(10)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

剔除異常鐘差補齊后的頻率數(shù)據(jù)

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

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


本文編號：2986463