基于改进灰狼优化与支持向量回归的滑坡位移预测

针对滑坡位移难以预测、影响因素难以选择等问题,提出一种结合了二次移动平均(DMA)法、变分模态分解(VMD)、改进灰狼优化(IGWO)算法与支持向量回归(SVR)的模型进行滑坡位移预测。首先,利用DMA提取滑坡位移趋势项和周期项,采用多项式拟合对趋势项进行预测;其次,对滑坡周期项的影响因素进行分类,采用VMD对原始影响因子序列进行分解获得最优序列;再次,提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR(Circle Tactics Grey Wolf Optimizer with SVR)对滑坡周期项进行预测;最后采用时间序列加法模型求出累计位移预测序列,并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明,与GA-SVR和GWO-SVR模型相比,CTGWO-SVR的预测精度更高,拟合度达到0.979,均方根误差分别减小了51.47%与59.25%,预测精度等级为一级,可满足滑坡预测的实时性和准确性要求。

基于低成本接收机的双天线测姿算法

针对低成本接收机双天线测姿系统利用直接法解算精度较低且存在系统粗差的问题,提出一种基于载波和伪距双差实时动态定位(RTK)卡尔曼滤波算法。首先,引入基线长度作为观测量,并将事先测量得到的精确基线长度作为观测量误差;然后,根据从天线接收机的历元时间间隔对主天线位置进行实时矫正,而周整模糊度采用改进LABMDA算法求解。在静态和动态情况下进行了测试,结果表明,在基线长度为1.1m、采用GPS和北斗双系统进行观测的情况下,所提算法解算出的航向角精度在1°左右,俯仰角精度在2°~3°。相比传统的双天线直接法测姿,该算法在系统抗差性能和精度上都较优。

基于格理论的模糊度快速解算方法

为了兼顾未来全球卫星导航系统(GNSS)的兼容与互操作,解决多频多模高维模糊度在常规方法下解算效率低的问题,基于格理论,提出了一种最近格点(CLP)搜索算法对模糊度整型值进行搜索。首先,将模糊度搜索转化为对格中已知格点的最近格点搜索问题;然后,根据格基规约改进得出具有最小可能长度且相互正交的格基向量;最后,采用CLP搜索算法搜索出最优的模糊度参数值。通过模拟实验和实测数据实验验证得出,所提的CLP搜索算法理论上相较经典的最小二乘模糊度降相关(LAMBDA)和改进的LAMBDA(MLAMBDA)算法对模糊度参数的解算效率更高且更可靠,且CLP搜索算法每一个参数搜索时间稳定在0.01 s,即使在高维情况下,CLP搜索算法的搜索依然稳定可靠。