自适应卡尔曼滤波的电离层TEC预测模型改进
详细信息    查看全文 | 推荐本文 |
  • 英文篇名:Improvement of prediction model for ionospheric TEC with adaptive Kalman filter
  • 作者:王建敏 ; 黄佳鹏 ; 刘梓然 ; 祝会忠 ; 马天明
  • 英文作者:WANG Jianmin;HUANG Jiapeng;LIU Ziran;ZHU Huizhong;MA Tianming;School of Geomatics,Liaoning Technical University;School of Civil Engineering,Liaoning University of Science and Technology;
  • 关键词:自适应卡尔曼滤波 ; 方差补偿 ; 小波神经网络 ; 电离层总电子数
  • 英文关键词:self-adaptive Kalman filtering;;variance compensation;;wavelet neural network;;ionospheric TEC
  • 中文刊名:CHWZ
  • 英文刊名:Journal of Navigation and Positioning
  • 机构:辽宁工程技术大学测绘与地理科学学院;辽宁科技大学土木工程学院;
  • 出版日期:2018-06-07
  • 出版单位:导航定位学报
  • 年:2018
  • 期:v.6;No.22
  • 基金:国家自然科学基金项目(41474020,41504010);; 国家863计划项目(2014AA121501);; 辽宁省博士启动基金支持项目(20141141)
  • 语种:中文;
  • 页:CHWZ201802022
  • 页数:7
  • CN:02
  • ISSN:10-1096/P
  • 分类号:125-131
摘要
针对直接使用IGS公布的电离层总电子数进行建模会导致预测模型建立存在偏差,以及使用传统卡尔曼滤波在对大量数据进行预处理时容易导致数据发散,进而降低电离层TEC模型预测精度的问题,提出一种利用自适应卡尔曼滤波的改进方法,使用方差补偿自适应卡尔曼滤波对原始数据进行预处理,再利用小波神经网络完成预测,最后分析模型预报的精准度。实验结果表明,此方法的预测平均精度相对直接使用原始数据建模和传统卡尔曼滤波都有不同程度的提高。
        Aiming at the problems that it is vulnerable to bias for the prediction model with the total number of electrons(TEC)directly obtained from IGS,and it is liable to data divergence for traditional Kalman filtering in the preprocess of large amounts of data,which lead to reduce the accuracy of predition model for ionospheric TEC,the paper proposed an improvement method using self-adaptive Kalman filtering:the self-adaptive Kalman filtering with variance compensation was used to preprocess the original data,and the wavelet neural network was used to accomplish the prediction,finally the prediction accuracy of the model was given.Experimental result showed that the average prediciton accuracy of the method would be higher both than that of modeling directly using original data and that of traditional Kalman filtering.
引文
[1]张小红,任晓东,吴风波,等.自回归移动平均模型的电离层总电子含量短期预报[J].测绘学报,2014,34(5):118-124.
    [2]李秀海,郭达志.应用半参数AR模型的电离层TEC建模与预测[J].测绘科学,2011,36(2):149-151.
    [3]王建敏,黄佳鹏,祝会忠,等.电离层总电子数预报方法研究[J].测绘科学,2016,41(12):47-53.
    [4]李淑慧,彭军还,徐伟超,等.利用神经网络预报短期电离层TEC变化[J].测绘科学,2013,38(1):8-12.
    [5]刘先冬,宋力杰,杨晓辉,等.基于小波神经网络的电离层TEC短期预报[J].海洋测绘,2010,30(5):49-51.
    [6]郑崴,张贵宾.自适应卡尔曼滤波在航空重力异常解算的应用研究[J].地球物理学报,2016,59(4):1275-1283.
    [7]茹国宝,冯鹏,邓勇.带状态切换自适应滤波算法及其在GPS/INS中的应用[J].武汉大学学报(工学版),2015,48(4):574-579.
    [8]李奕.自适应卡尔曼滤波在变形监测数据处理中的应用研究:以太原万达广场A2区基坑监测为例[D].成都:成都理工大学,2012:21-30.
    [9]王宇谱,吕志平,陈正生,等.一种新的钟差预处理方法及在WNN钟差长期预报中的应用[J].武汉大学学报(信息科学版),2016,41(3):373-379.
    [10]王宇谱,吕志平,陈正生,等.基于灰色模型与小波神经网络的卫星钟差预报方法[J].大地测量与地球动力学,2014,34(3):155-159.
    [11]任强强,王跃钢,腾红磊,等.基于小波神经网络的盲区重力数据预测[J].大地测量与地球动力学,2016,36(4):359-363.
    [12]葛玉辉,熊永良,陈志胜,等.基于小波神经网络的GPS可降水量预测研究[J].测绘科学,2015,40(9):28-32.
    [13]陈标.短期电力负荷的小波神经网络预测[D].长沙:湖南大学,2012.
    [14]鲍亚东,刘长健,柴洪洲.小波分解改进电离层VTEC时间序列预报模型[J].大地测量与地球动力学,2015,35(5):784-787.
    [15]李磊,张淑芳,胡青,等.ARMA模型在地震电离层TEC异常探测中的应用[J].大地测量与地球动力学,2015,35(1):62-66.
    [16]时爽爽,黄劲松,冯建迪.基于IGS的白天和夜间电离层TEC变化特性分析[J].大地测量与地球动力学,2015,35(2):293-297.
    [17]冯健,邓忠新,甄卫民,等.2004年11月强磁暴期间中国地区电离层TEC扰动特性分析[J].电波科学学报,2016,31(1):157-165.
NGLC 2004-2010.National Geological Library of China All Rights Reserved.
Add:29 Xueyuan Rd,Haidian District,Beijing,PRC. Mail Add: 8324 mailbox 100083
For exchange or info please contact us via email.