综合半参数核估计和自回归补偿的全球电离层总电子含量预报模型

针对电离层半参数球谐函数模型中窗宽参数选择引起的估计偏差,本文在传统的电离层球谐函数模型中引入半参数核估计和自回归(Autoregressive model,AR)模型,分别用于分离球谐函数模型的系统误差和窗宽参数引起的估计偏差,提出一种全球电离层总电子含量(Total Electron Content,TEC)组合预报模型.首先,利用多项式拟合法剔除球谐系数的趋势项;然后利用频谱分析法提取球谐系数的周期,引入半参数核估计平差模型求解模型参数,建立半参数球谐函数(Semiparametric-Spherical Harmonic,Semi-SH)模型;最后将Semi-SH模型拟合残差用AR模型补偿预报.实验结果表明,组合预报模型相比单一的Semi-SH模型有较大的提升,全球TEC预报值与欧洲定轨中心(Center for Orbit Determination in Europe,CODE)发布的TEC值相比,单天预报残差小于1 TECU、3 TECU和5 TECU占比分别为54.30%、93.40%和98.61%;组合模型滑动预报5天相对精度在低、中、高纬度地区分别提高了2.14%、1.32%和2.32%.

EM算法在p范混合模型参数估计中的应用

针对多种分布形式混合的观测数据,建立了p范混合模型,考虑到模型中混合数属于不完全数据,引入期望最大化(expectation-maximum,EM)算法,对该混合模型的参数进行估计,详细推导了p范混合模型参数估计的迭代公式,并给出了相应的迭代步骤。采用混合高斯分布数据、拉普拉斯分布与高斯分布混合数据及实测GPS观测值残差数据,验证了公式的正确性和适应性。算例结果表明,与单一概率分布相比,p范混合模型能够准确反映数据分布的实际情况,同时利用EM算法估计的模型参数具有较高的精度。

谱投影梯度算法的GPS钟差短期预报应用

针对钟差一次差分数据中仍存在非平稳信号的影响,该文引入了一种以压缩感知理论为基础,结合L1范数的谱投影梯度(SPGL1)算法来实现GPS卫星钟差的短期预报。首先利用中位数法剔除钟差中的异常值;然后根据钟差数据的特点,选择合适的采样率,以傅立叶正交变换矩阵作为稀疏矩阵,结合SPGL1算法进行去噪处理;最后通过傅立叶反变换获得最终预报值。实验结果表明:SPGL1算法的预报精度与采样率、建模数据量有关,当采样率为80%~90%时,SPGL1算法的预报精度要明显优于二次多项式模型、谱分析模型以及灰色模型(1,1),而且利用SPGL1算法进行钟差预报具有更好的预报稳定性。