基于非平稳时序ARIMA模型的W频段雨衰预测

针对目前绝大多数雨衰预测模型仅验证到55 GHz,而经过验证的W频段预测模型相对较少,且存在模型表述复杂度高、计算量大的问题,该文提出一种结构简单、计算量小的实时预测方法。该方法基于ARIMA模型,利用非平稳雨衰时序中相邻时序间的相关性建立预测模型,对初始序列进行平稳性检验,通过差分变换将非平稳序列转化为平稳序列,并对平稳化后的时间序列进行参数估计及诊断检验,将传统非线性预测转化为线性预测。并先将该ARIMA(1,1,6)模型在不同极化方式、预测间隔和时序个数的条件下进行比较,然后分别与ITU-R,Silva Mello模型在垂直极化、预测间隔0.10 GHz,时序个数50的条件下进行比较,最后使用ARIMA(1,1,6)模型进行预测,并对照预测序列与仿真序列的吻合度。结果表明,ARIMA模型与ITU-R,Silva Mello模型所得结果预测误差不超过310-,且衰减变化趋势基本相同,预测序列与仿真序列间吻合度较高,说明该方法可用于W频段雨衰预测,且预测精度高,模型表述简单。

一种改进的Ka频段雨衰减预测模型

论述了Ka频段中雨衰减率和DAH雨衰减预测模型,为了建立适合我国Ka频段的雨衰减预测模型,对DAH雨衰减预测模型进行了改进。以西安和北京地区为例,通过和ITU-R频率比例关系进行仿真比较,结果表明,改进后的模型克服了DAH模型的缺陷,在理论上更适合我国的气候和地形。

基于差分平稳时序的Ka波段雨衰预测

针对经典模型在Ka波段雨衰预测时存在涉及参数多、计算量大的问题,提出了基于差分平稳时序的预测方法.该方法利用前导雨衰值的差分变换建立预测模型,并通过对平稳时序的参数估计得到各频点的雨衰预测值,进而实现将传统的非线性预测转化为简便的线性预测.仿真结果表明:不同预测间隔、时序个数、差分次数下的预测精度不同,与Dissanayake-Allnut-Haidara模型相比在满足预测间隔0.1 GHz、时序数20、二次差分条件时预测误差可达10-3以下,同时表明极化方式对模型参数的影响可以忽略,验证了所提方法具备参数计算简单、预测精度高的优点.

一种预测55 GHz以内微波雨衰的实用方法

从四份ITU-R P.系列建议书中归纳出一种预测55 GHz以内微波雨衰的实用方法。简化了雨衰A0.01的计算步骤;计算了10 GHz以内的关于极化的系数;给出了部分重点地区的降雨率和0℃等温线高度的典型值。依据雨衰A0.01,发生频率可外推至99.999%-95%,微波频率可外推至55 GHz。计算逻辑清晰完整,易于实用化编程。

基于ITU-R模型的降雨衰减特性研究与仿真

根据ITU-R雨衰预测模型,给出了静止轨道卫星降雨衰减预测模型和非静止轨道卫星降雨衰减长期统计值计算方法。结合我国典型地面站的降雨率数据进行的仿真结果表明:所用模型和方法正确。研究对我国卫星通信系统的研究与设计有一定的参考价值。