顾及有效角动量与IGS超快解数据的极移预报方法

极移高精度预报对卫星实时定轨、深空探测器导航等应用至关重要.本文提出了一种联合有效角动量(Effective Angular Momentum,EAM)与国际全球卫星导航系统服务组织(International GNSS Service,IGS)提供的超快解数据进行极移预报的方法.该方法基于IGS超快解数据得到的极移第1天预报值,对引入EAM得到的极移预报结果进行校正,获得联合预报值.首先,基于LS(Least Squares)+AR(Auto-Regressive)模型实现了引入EAM的极移预报,相对国际地球自转与参考系统服务组织(International Earth Rotation and Reference Systems Service,IERS)提供的公报A数据,在超短期(第1~10天)预报跨度可以得到更高精度的极移预报结果,其中大气和海洋角动量发挥了主要作用.其次,鉴于IGS超快解数据精度高、更新快的特点,以IGS超快解为基础数据,基于LS+AR模型可以得到极移第1天预报值,其精度显著优于IERS公报A的极移第1天预报值.最后,利用第1天预报值对顾及有效角动量的预报结果进行校正获得了联合预报值,进一步提高了超短期极移预报精度(尤其是第1~5天).2020年7月24日—2022年1月30日间的联合预报结果表明:第1~20天的预报值总体优于IERS公报A的预报值.其中,第1~10天的预报精度显著提升,在预报第1天,X、Y方向预报值相对公报A预报值的精度提升分别可达39.5%~62.3%和24.5%~51.9%;在预报第10天,相对公报A预报值的精度提升分别可达28.0%~28.9%和21.9%~23.4%.

基于径向基函数插值的极移参数预报研究

极移参数预报的基础数据通常采用国际地球自转和参考系服务组织发布的最终解产品,数据分辨率为1 d。利用径向基函数对极移观测值进行插值,获取6 h分辨率的极移产品,并基于LS+AR模型进行500组预报实验。结果表明,相较于未进行插值的预报结果,该方法在1~7 d超短期预报中极移X和Y方向预报精度分别平均提升22.4%和38.4%。

基于LS-SVM和AR模型的油液光谱数据预处理研究

油液光谱分析技术可以检测出机械设备润滑油中各种元素的成分和浓度,但光谱分析数据受噪声、补油和换油的影响严重,不能很好地反映出机械设备的磨损情况。对光谱数据进行提升小波分解,通过分析细节信号,检测出野点;用LS-SVM对趋势项建模,对各层细节信息建立AR模型,分别预测出补、换油后及野点处的值并进行叠加;为提高预测精度,用QPSO对LS-SVM的参数进行了优化。结果表明:该方法能有效修正原始数据,从而提高对机械设备磨损状态监测和故障诊断的精度。

利用LS+AR模型对UT1-UTC进行中长期预报

采用最小二乘（LS）与自回归（AR）模型相结合的方法,建立适合UT1-UTC预报的LS＋AR模型。首先扣除UT1-UTC序列中的闰秒和固体地球带谐潮汐项,并对处理后的UT1-UTC序列作一次差分,然后对差分序列进行LS拟合,再用AR模型对LS拟合残差建模,最后将AR模型预测值和LS外推值相加,得到差分序列预测值,再将预报的一次差还原,同时恢复闰秒和潮汐项,得到UT1-UTC预报值。通过与地球定向参数预报比较竞赛（EOP PCC）结果的对比表明,该方法的超短期（1-10 d）、短期（1-30 d）和中长期（1-500 d）预报精度均接近国际先进水平。同时以中国科学院国家授时中心（NTSC）每日例行预报的UT1-UTC为例进行了试验验证,进一步验证了LS＋AR模型的有效性。

包覆板材料为陶瓷时平板装药的防护性能

运用口径36mm的精密成型装药实验,研究了等效厚度相同的碳化硅和氧化铝陶瓷平板装药的防护性能,并与包覆材料为钢的平板装药进行了对比。运用LS-DYNA3D软件,对平板装药与聚能装药的作用过程进行了三维数值模拟。实验结果显示,对于此结构的平板装药,碳化硅和氧化铝陶瓷平板装药使聚能装药侵彻能力分别下降了88%和82%,优于钢板的防护性能。数值模拟结果显示,陶瓷包覆板从边缘至中心依次出现断裂和粉碎现象,钢板与射流后部作用为断续干扰,而陶瓷板为连续干扰。

基于LS+AR模型的三种方式预报地球自转参数的比较

为研究最小二乘(least squares,LS)模型和自回归(autoregression,AR)模型的组合(LS+AR)方法用于地球自转参数(Earth rotation parameters,ERP)的预报时,不同的预报方式对预报结果的影响,我们采用递推、迭代和间隔这3种预报方式对ERP进行预报。结果表明,这3种方式对日长变化(length of day,LOD)所有跨度预报的精度相当,而递推方式在极移所有跨度的预报上表现出精度优势,间隔方式次之,迭代方式最差。在数据利用率和计算速度方面,递推和迭代方式的数据利用率高,但前者的计算量明显小于后者,而间隔方式的数据利用率低,但计算速度最快。

一种考虑PMX与PMY之间相关性的极移预报新方法

提出采用多元回归模型(MAR)与最小二乘(LS)组合进行极移预报。该模型考虑极移PMX和PMY的LS拟合残差之间的相关性,采用PMX残差和PMY残差一起构建预报模型进行残差预报。通过与LS+AR预报结果的对比表明,LS+MAR模型的预报结果更优。此外,通过与EOP_PCC预报结果的对比也说明,LS+MAR模型的短期极移预报精度能够达到国际先进水平。

厄尔尼诺现象对极移短期预报的影响

为了减弱厄尔尼诺现象对极移预报的影响，分别利用不同拟合序列长度进行极移预报，研究表明：适当延长拟合序列长度至17-19年，可以更好地反映极移趋势，提高厄尔尼诺现象发生期间的极移预报精度。

改进的SAR图像干扰抑制算法

合成孔径雷达(SAR)图像中出现干扰条纹是由电视、广播和各类通信系统辐射源的频率在系统带宽内,造成接受的信号中混有干扰信号。由于这些干扰通常具有高于系统背景噪声的功率电平,会对SAR造成不同的影响。在某些系统中SAR信号在距离频域沿着距离向相邻的点会具有一定的相关性。如果某些频谱值被干扰信号污染,则可以利用它周围的点估计出该频段的信息。基于这一想法,提出一种干扰抑制算法,能有效的估计出被干扰影响的频谱信息。当频谱中干扰信号所污染的频段的个数较多时,相比传统方法,这种方法能更为有效地估计出原始信号。

基于偏最小二乘支持向量机的短期电力负荷预测方法研究

偏最小二乘(PLS)运算降低电力负荷数据之间的相关性,最小二乘支持向量机(LS-SVM)可以获得模型的全局最优预测效果,减少预测过程的运算量。介绍了PLS和LS-SVM的基本原理,给出了PLS-LS-SVM建立短期日电力负荷预测模型的过程,并用于某地区2008年的用电日负荷预测,预测的平均相对误差和最大相对误差分别为0.685%和8.8599%。与基于AR(1)模型的预测结果相比,PLS-LS-SVM模型更高的预测准确性可为短期电力负荷预测提供有效依据。

一种基于LS自适应AR建模的高分辨率时间延迟估计方法

本文提出了一种基于最小二乘（ＬＳ）自适应ＡＲ建模的时延估计方法。这种方法以接收信号的功率谱密度函数为时间序列，利用最小二乘格型自适应滤波器经由ＡＲ建模而得到高分辨率的时间延迟估计。文中给出了这种方法的原理、具体实现及性能分析，并以相关时延估计方法为参照进行了计算机模拟。

基于AR模型KPCA-Weighted LSSVM的减振性能预测研究

以磁流变减振系统为研究对象,建立了基于时间序列自回归模型核主元分析的加权最小二乘支持向量机预测模型,预测系统的减振性能。分析结果表明:这一预测模型降低了模型的复杂程度,具有较高的预测精度,适用于系统性能预测与实时状态监控。

支持向量机高阶累积量AR模型的筛分效率研究

利用采集的概率筛筛分作业时主筛体的振动信号,建立高阶累积量AR模型。将AR模型系数作为LS-SVM模型的输入变量,建立LS-SVM筛分效率预测模型。将AR模型与LS-SVM结合实现对概率筛筛分性能的实时监测。

利用LS+AR模型和激发函数预报地球自转参数

分别采用LS+AR组合模型和包含大气角动量、海洋角动量的流体激发函数对地球自转参数进行长期预报。数值实验表明,激发函数预报精度优于LS+AR组合模型,其中大气角动量激发函数预报精度优于海洋角动量激发函数。

基于LS+AR模型的极移短期预报方法研究

为分析极移序列平稳性对最小二乘外推法和自回归模型组合(LS+AR)预报极移精度的影响,对极移原始序列和LS拟合后的残差序列分别作差分处理,设计两种方案对极移进行短期预报。结果表明:差分后的序列平稳性较传统方法有较大提高,两种方案的短期预报精度都有明显提升,并且优于ERP预报方案比较活动(EOP PCC)结果。

连续肌肉电信号的辨识

以前对肌电信号的处理都是针对手工分割后的信号进行辨识，但实际应用中需要处理的是连续肌电信号。本文中采用了时域参数与频域参数相结合的方法对连续的肌电信号进行自动分割，然后再辨识分割后的肌电信号，取得了很好的结果。

基础序列长度对EOP预报精度影响分析

普遍使用的LS+AR模型EOP预报方法一般未考虑基础序列长度对EOP预报精度的影响。本文采用3组不同长度的基础序列对地球极移(PMX和PMY)和自转参数(UT1-UTC) 3个参数进行预报,并采用RMSE和MAE两个精度评价指标分别对EOP参数预报精度进行分析,结果表明:MAE精度指标能够更好地反映预报值偏离真值的实际情况,更适用于EOP预报精度评估;使用LS+AR预报方法应选择适当的基础序列长度,MPX和MPY预报适合采用约7年长度的基础序列,UT1-UTC预报适合采用约5年长度的基础序列。

LS+AR组合模型在大坝变形预报中的应用

针对大坝变形监测数据的年周期性特点,建立了大坝变形监测序列的拟合外推模型,提出了利用最小二乘外推(LS)与自回归(AR)组合模型预报大坝变形监测数据的方法。通过实验比较说明,LS+AR组合与AR模型相比,在大坝变形监测的预报精度上有一定程度的改善。

基础时间序列长度对ERP短期预报精度影响的分析

高精度预报地球自转参数(Earth Rotation Parameters,ERP)对卫星导航等领域具有重要意义。不同时间长度的ERP序列作为基础序列对预报结果影响不同。分别对2～20年长度的以ERP序列作为基础时间序列的预报精度进行统计分析发现,当ERP基础时间序列为10年时,对3个参数的预报效果较优,但依据预报跨度的不同,也可适当调整基础时间序列长度。

两指标AR过程LS估计的渐近正态性

在两指标AR过程的参数估计问题中,LS估计是最基本的参数估计方法之一。本文给出了两指标AR过程LS估计的渐近正态性.