综合半参数核估计与正则化方法的航空重力向下延拓模型分析

在航空重力向下延拓过程中,将重力数据中的系统误差和离散化造成的模型误差用非参数分量表达。在无外部数据的情况下,建立基于半参数核估计方法的重力向下延拓模型,为了改善泊松积分离散后的设计矩阵的病态影响,引入正则化方法,提出了综合半参数核估计和正则化方法的逆泊松积分延拓方法。基于EGM2008(earth gravity model 2008)模型计算了某地空中重力异常,采用线性项和周期项系统误差进行仿真实验,以及美国某地实测重力异常数据,验证了本文方法在改善病态性和分离系统误差方面的有效性。结果表明,本文方法在无外部数据时,能有效地分离系统误差并具有较高的精度。

联合半参数和长短期记忆神经网络的全球电离层TEC短期预报

半参数球谐函数(Semiparametric Spherical Harmonic,Semi-SH)模型能减少电离层预报模型误差以及残余周期带来的系统误差.但是半参数球谐函数模型中窗宽参数的选取会带来一定的估计偏差,本文利用长短期记忆神经网络(Long-Short Term Memory Networks,LSTM)在非平稳性时间序列预报中的良好适应性,提出了一种联合Semi-SH与LSTM(Semi-SH-LSTM)的全球电离层TEC短期组合预报模型,适用于1—5天的短期预报.Semi-SH-LSTM模型通过预报球谐函数系数解算全球电离层TEC,利用二次多项式和半参数核估计方法分别拟合球谐系数趋势项和周期项,最后基于LSTM对拟合残差进行补偿预报.本文利用欧洲定轨中心(Center for Orbit Determination in Europe,CODE)球谐函数系数产品,采用单天预报和多天预报两种实验方案验证Semi-SH-LSTM模型的有效性.实验结果表明,相比于Semi-SH模型和综合半参数与自回归模型,Semi-SH-LSTM模型的单天全球TEC预报残差RMS值分别提升了12.6%和13.1%;误差小于1 TECU占比分别提升了4.9%、4.6%.基于Semi-SH-LSTM模型的多天全球TEC预报残差RMS值分别提升了10.5%和8.5%,误差小于1 TECU占比提升了3.9%和3.2%.同时,半参数LSTM组合预报模型每预报一天耗时约在2 h以内.

点质量融合模型的海空重力数据延拓分析

针对无高质量的数据对传统的虚拟点质量模型对重力数据改正时,易受系统误差影响及解算不稳定的问题,该文将海空重力数据中的系统误差用非参数分量表达,对点质量模型进行改进,建立了虚拟点质量的半参数模型,引入核估计方法,利用偏残差估计方法,进行三步拟合估计,得到了系统误差和点质量参数的估计值。在分离系统误差的基础上,引入正则化方法改善病态,将建立的模型与正则化方法相结合,建立了综合半参数核估计和正则化方法的点质量融合模型,可在无外部重力时估计系统误差,同时完成多源数据融合。基于EGM2008位模型产生海空重力异常数据,采用线性项和周期项系统误差进行仿真实验,结果表明改进后的点质量模型能够有效利用外部数据,在改善病态和分离系统误差方面提升精度效果明显。并以北卡罗来纳实测海空重力异常数据验证该文方法的有效性,结果表明在无外部数据时,该文方法能有效地分离系统误差,并且精度与引入外部数据改正后的正则化方法相当。