一種顧及鐘差周期誤差和隨機(jī)特性的衛(wèi)星鐘差預(yù)報(bào)方法

孫大雙 呂志平 王宇譜 李柏地 王 寧

1 信息工程大學(xué)地理空間信息學(xué)院，鄭州市科學(xué)大道62號(hào)，450001 2 解放軍78092部隊(duì),成都市，610000

?

一種顧及鐘差周期誤差和隨機(jī)特性的衛(wèi)星鐘差預(yù)報(bào)方法

孫大雙1呂志平1王宇譜1李柏地2王 寧1

1 信息工程大學(xué)地理空間信息學(xué)院，鄭州市科學(xué)大道62號(hào)，450001 2 解放軍78092部隊(duì),成都市，610000

提出一種顧及鐘差周期誤差和隨機(jī)特性的衛(wèi)星鐘差預(yù)報(bào)方法。首先通過(guò)比較二次多項(xiàng)式加1、2、3、4個(gè)主要周期誤差的模型，取其優(yōu)者求得鐘差預(yù)報(bào)的擬合值;然后針對(duì)擬合殘差值的隨機(jī)特性采用灰色模型進(jìn)行建模，求得擬合值殘差預(yù)報(bào)值；最后，將其與之前求得的預(yù)報(bào)值相結(jié)合得到最終的鐘差預(yù)報(bào)值。采用IGS的15 min精密鐘差數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果表明，在短期預(yù)報(bào)中，加2個(gè)主要周期誤差的模型預(yù)報(bào)性能最好，并且新模型的預(yù)報(bào)精度優(yōu)于常用算法。

二次多項(xiàng)式模型；灰色模型；周期誤差；衛(wèi)星鐘差；隨機(jī)特性

目前，IGS提供的精密鐘差產(chǎn)品精度約0.1 ns，但實(shí)時(shí)性較差；而廣播星歷和快速鐘差預(yù)報(bào)產(chǎn)品的精度不高，無(wú)法滿(mǎn)足高精度定位的要求[1-2]。研究表明，原子鐘的頻率總波動(dòng)是多種不同噪聲的線性組合[3-5]，因此建立精確的原子鐘運(yùn)行模型非常困難。很多學(xué)者構(gòu)造了不同的模型以及各種組合模型進(jìn)行鐘差預(yù)報(bào)研究[1,6-10]。其中，二次多項(xiàng)式模型(QP模型)和灰色模型(GM模型)是最常用的預(yù)報(bào)模型，但這兩種方法都僅僅研究了鐘差趨勢(shì)項(xiàng)函數(shù)模型。雖然考慮周期誤差的二次多項(xiàng)式模型預(yù)報(bào)效果較好，但沒(méi)有考慮隨機(jī)項(xiàng)對(duì)鐘差預(yù)報(bào)的影響。

本文基于二次多項(xiàng)式模型和灰色模型，提出一種顧及鐘差周期誤差和隨機(jī)特性的衛(wèi)星鐘差預(yù)報(bào)方法。首先比較4種二次多項(xiàng)式加不同主要周期誤差的模型，取其優(yōu)者求得鐘差預(yù)報(bào)的擬合值；然后針對(duì)擬合殘差值的隨機(jī)特性采用灰色模型進(jìn)行建模，求得擬合值殘差預(yù)報(bào)值；最后將其與二次多項(xiàng)式加主要周期誤差模型求得的鐘差預(yù)報(bào)值相結(jié)合，得到最終的鐘差預(yù)報(bào)值。利用IGS官方網(wǎng)站的15 min精密鐘差數(shù)據(jù)進(jìn)行短期鐘差預(yù)報(bào)，比較不同算法的預(yù)報(bào)精度并得出相應(yīng)結(jié)論。

1 原 理

鐘差預(yù)報(bào)的二次多項(xiàng)式模型誤差方程為[11]：

(1)

式中，Li為歷元時(shí)刻ti的衛(wèi)星鐘差，a0、a1、a2分別為參考時(shí)刻t0的衛(wèi)星鐘差、鐘速和衛(wèi)星鐘的頻漂，Δi為模型殘差。根據(jù)最小二乘原理，當(dāng)鐘差數(shù)據(jù)多于3個(gè)時(shí)，可解算得到未知參數(shù)的最或然值。

在鐘差擬合預(yù)報(bào)中，除考慮鐘差的趨勢(shì)項(xiàng)，還應(yīng)考慮其周期變化特性。附加周期誤差的二次多項(xiàng)式模型為：

(2)

式中，p為周期誤差個(gè)數(shù)，Ak、fk、φk分別為對(duì)應(yīng)周期誤差的振幅、頻率和相位。

由文獻(xiàn)[12]可知，星載原子鐘受周期誤差影響的順序由大到小為12 h、6 h、4 h、3 h，也有學(xué)者認(rèn)為取前兩個(gè)周期誤差即可[12-13]，即p=4或2。通過(guò)二次多項(xiàng)式加周期誤差的模型[13]所得到的擬合殘差值會(huì)受到各種噪聲組合的隨機(jī)項(xiàng)以及模型本身不足等因素的影響，而各種噪聲的組合情況變化無(wú)常，很難得到其細(xì)致的變化規(guī)律。以2012-10-01精密鐘差數(shù)據(jù)中PRN32衛(wèi)星的數(shù)據(jù)進(jìn)行二次多項(xiàng)式加兩個(gè)主要周期誤差建模為例，求得2012-10-02的鐘差預(yù)報(bào)殘差值(圖1)。

圖1 PRN32衛(wèi)星鐘差預(yù)報(bào)殘差Fig.1 The error of clock bias prediction of satellite PRN32

由圖1可知，預(yù)報(bào)殘差值的大小受到預(yù)報(bào)模型或原子鐘本身及各種因素的影響而無(wú)法獲得其細(xì)致的變化規(guī)律，大致呈現(xiàn)出遞增或遞減的趨勢(shì)，符合灰色系統(tǒng)建模的基本條件[6,14-16]。通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行累加或累減生成一組規(guī)律性較強(qiáng)的新序列，對(duì)新序列可以建立灰色模型。

基于此，本文提出一種顧及鐘差周期誤差和隨機(jī)特性的衛(wèi)星鐘差預(yù)報(bào)方法，其模型表達(dá)式為:

(3)

式中，GM(1,1)表示灰色模型，其微分方程表達(dá)式為dx/dt+ax=u。a、u分別為發(fā)展系數(shù)和灰色作用量，x為數(shù)據(jù)序列，t為時(shí)間。

由于GM(1,1)模型要求計(jì)算序列是非負(fù)的[17]，在對(duì)二次多項(xiàng)式加主要周期誤差模型得到的擬合殘差值進(jìn)行灰色建模時(shí)，必須檢查殘差值序列的正負(fù)號(hào)是否一致。若不是，則給每一個(gè)殘差值都加上一個(gè)常數(shù)c，從而使該序列的符號(hào)一致。由此得到的序列預(yù)報(bào)值再減去常數(shù)c，即可得到殘差值的預(yù)報(bào)值[18]。如圖1所示，預(yù)報(bào)殘差值序列有正有負(fù)，應(yīng)當(dāng)對(duì)其進(jìn)行處理。對(duì)于常數(shù)c的具體取值，目前已有文獻(xiàn)沒(méi)有明確說(shuō)明。本文通過(guò)對(duì)比加上不同大小的常數(shù)c的鐘差預(yù)報(bào)實(shí)驗(yàn)發(fā)現(xiàn)，在預(yù)報(bào)過(guò)程中，常數(shù)c越大，精度越高；達(dá)到一定程度后，精度不再提高。其原因是，當(dāng)所加常數(shù)c達(dá)到某一數(shù)值后，正數(shù)序列的特性趨于穩(wěn)定，其數(shù)值不再對(duì)模型預(yù)報(bào)結(jié)果產(chǎn)生較明顯的影響。

該組合預(yù)報(bào)方法的基本思路為：使用初始鐘差數(shù)據(jù)L(0)={l(0)(i),i=1,2,…,n}進(jìn)行二次多項(xiàng)式加主要周期誤差建模；將L減去二次多項(xiàng)式加主要周期誤差求得的擬合鐘差值L1，得到擬合鐘差值的誤差V1；對(duì)所得的擬合誤差V1采用基于最小二乘的GM(1,1)模型進(jìn)行建模，并得到擬合誤差的預(yù)報(bào)值V2；最后，將V2加上由二次多項(xiàng)式加主要周期誤差模型的鐘差預(yù)報(bào)值P1，得到最終的鐘差預(yù)報(bào)值P。為了驗(yàn)證主要周期誤差個(gè)數(shù)對(duì)衛(wèi)星鐘差短期預(yù)報(bào)效果的影響，本文采用4種組合方式：1)考慮12 h一個(gè)周期誤差；2)考慮12 h和6 h兩個(gè)周期誤差；3)考慮12 h、6 h和3 h三個(gè)周期誤差；4)考慮12 h、6 h、4 h和3 h四個(gè)周期誤差，分別進(jìn)行鐘差預(yù)報(bào)，取其優(yōu)者的擬合誤差值進(jìn)行灰色建模，如圖2所示。

圖2 組合鐘差預(yù)報(bào)模型解算流程Fig.2 Calculating process of combination model for clock bias prediction

定義鐘差預(yù)報(bào)的均方根誤差為：

(4)

式中，εi為i時(shí)刻鐘差預(yù)報(bào)誤差，Pi為i時(shí)刻鐘差預(yù)報(bào)值，Li為i時(shí)刻IGS精密鐘差值。

2 算例分析

本文采用GPS系統(tǒng)15 min采樣間隔的最終精密鐘差產(chǎn)品進(jìn)行預(yù)報(bào)實(shí)驗(yàn)，從IGS官方網(wǎng)站下載2012-09-29～2013-09-28的精密鐘差數(shù)據(jù)。目前的星載原子鐘有BLOCK ⅡA型、BLOCK ⅡR型、BLOCK ⅡR-M型、BLOCK ⅡF型4種(表1)。

超快速(IGU)產(chǎn)品雖然既含實(shí)測(cè)數(shù)據(jù)又有預(yù)報(bào)數(shù)據(jù)，但其數(shù)據(jù)質(zhì)量卻相對(duì)較差，存在起點(diǎn)偏差、數(shù)據(jù)粗差及鐘跳相對(duì)嚴(yán)重等問(wèn)題。因此，在鐘差預(yù)報(bào)實(shí)驗(yàn)中，本文選取該時(shí)間段內(nèi)未出現(xiàn)鐘差跳變和間斷的完整鐘差數(shù)據(jù)進(jìn)行相關(guān)研究，且以其為參考真值，計(jì)算每次預(yù)報(bào)結(jié)果的均方根誤差。為了避免某一天的預(yù)報(bào)精度較好或較差而對(duì)模型的預(yù)報(bào)性能造成影響，選取每顆星鐘差預(yù)報(bào)多次的均方根誤差的均值(mean)、最小值(min)以及極差值(range)作為統(tǒng)計(jì)量，并統(tǒng)計(jì)這3個(gè)量的平均值，以此來(lái)分析各種衛(wèi)星鐘差預(yù)報(bào)模型在連續(xù)鐘差預(yù)報(bào)中的效果。

表1 GPS系統(tǒng)搭載原子鐘的在軌衛(wèi)星(截止到2014-07-14)

下文字母意義如下：QPT1表示二次多項(xiàng)式加1個(gè)主要周期誤差(12 h)模型，QPT2表示二次多項(xiàng)式加2個(gè)主要周期誤差(12 h、6 h)模型，QPT3表示二次多項(xiàng)式加3個(gè)主要周期誤差(12 h、6 h、4 h)模型，QPT4表示二次多項(xiàng)式加4個(gè)主要周期誤差(12 h、6 h、4 h、3 h)模型，QPGM表示二次多項(xiàng)式模型與灰色模型結(jié)合的組合模型，QPT2GM表示二次多項(xiàng)式加2個(gè)主要周期誤差(12 h、6 h)模型與灰色模型相結(jié)合的組合模型。

設(shè)計(jì)兩個(gè)算例對(duì)各模型的鐘差預(yù)報(bào)效果進(jìn)行分析。

算例1 選擇2013-06-16～07-29以4 d為窗口、每次向前滑動(dòng)1 d的鐘差數(shù)據(jù)，采用QPT1模型、QPT2模型、QPT3模型和QPT4模型分別連續(xù)進(jìn)行40次的6 h、12 h和24 h鐘差預(yù)報(bào)。為比較4種模型的預(yù)報(bào)性能，統(tǒng)計(jì)4種模型連續(xù)40次預(yù)報(bào)結(jié)果的均方根誤差最小值、平均值和極差值，其平均值見(jiàn)表2。

表2 算例1中各項(xiàng)統(tǒng)計(jì)量平均值

由各顆衛(wèi)星的預(yù)報(bào)結(jié)果可知，所有衛(wèi)星鐘差預(yù)報(bào)均方根誤差平均值都在ns級(jí)甚至亞ns級(jí)，說(shuō)明4種模型均有良好的預(yù)報(bào)性能。同時(shí)，相比于其他衛(wèi)星，PRN04、PRN08、PRN10、PRN24、PRN28連續(xù)40次鐘差預(yù)報(bào)的均方根誤差平均值和極差值較大，說(shuō)明采用這4種模型進(jìn)行鐘差預(yù)報(bào)時(shí)，搭載Rb原子鐘的衛(wèi)星鐘差預(yù)報(bào)性能優(yōu)于搭載Cs原子鐘的衛(wèi)星，后期發(fā)射的衛(wèi)星鐘差預(yù)報(bào)性能優(yōu)于早期發(fā)射的衛(wèi)星。分別對(duì)比4種模型對(duì)不同衛(wèi)星預(yù)報(bào)不同長(zhǎng)度鐘差的均方根誤差平均值和極差值可知，4種模型的預(yù)報(bào)精度隨著預(yù)報(bào)時(shí)間的增加逐漸降低。

由表2可知，后3種模型的預(yù)報(bào)性能優(yōu)于QPT1模型，與QPT1模型的min、mean和range平均值之差分別在10-11、10-12、10-11量級(jí)。 QPT2模型的range平均值大于其他幾種模型，其原因是QPT2模型的min平均值優(yōu)于另外3種模型，若數(shù)據(jù)質(zhì)量下降，QPT2模型的RMS值與另外3種模型相當(dāng)時(shí)，則會(huì)出現(xiàn)QPT2模型的range平均值偏大的情況。再者，QPT2模型的mean平均值明顯優(yōu)于另外3種模型，因此，由min、mean、range 3統(tǒng)計(jì)量的平均值綜合分析可得，QPT2模型的鐘差預(yù)報(bào)性能是4種模型中最好的。

算例2 由算例1可知，QPT2模型的預(yù)報(bào)性能在4種模型中是最優(yōu)的。選取2012-09-29～11-11以4 d為窗口、每次向前滑動(dòng)1 d的鐘差數(shù)據(jù)，采用QP、QPT2、QPT2GM、QPGM和GM模型分別連續(xù)進(jìn)行40次6 h、12 h和24 h鐘差預(yù)報(bào)。在QPT2GM和QPGM模型中，采用QPT2和QP模型擬合殘差值中最后48個(gè)歷元進(jìn)行灰色建模，將連續(xù)40次6 h預(yù)報(bào)結(jié)果的均方根誤差平均值和極差值繪制成圖(圖3、圖4)。由于篇幅所限，將所有衛(wèi)星預(yù)報(bào)時(shí)長(zhǎng)為6 h、24 h的結(jié)果統(tǒng)計(jì)量平均值統(tǒng)計(jì)在表3中。

由圖3、圖4可知，5種模型進(jìn)行6 h鐘差預(yù)報(bào)的結(jié)果精度均在ns級(jí)和亞ns級(jí)(大部分在亞ns級(jí))，說(shuō)明5種模型的預(yù)報(bào)結(jié)果都比較可靠。QPT2GM模型的預(yù)報(bào)精度及穩(wěn)定性?xún)?yōu)于其余4種模型，說(shuō)明對(duì)少量QPT2模型的擬合殘差值進(jìn)行灰色建?？梢蕴岣哳A(yù)報(bào)殘差值的可靠性。

由表3可知，相比于其他4種模型，QPT2GM模型解得的各項(xiàng)統(tǒng)計(jì)量平均值都較小，表明QPT2GM模型的鐘差預(yù)報(bào)精度與穩(wěn)定性?xún)?yōu)于其余4種模型。同時(shí)，對(duì)比兩種原子鐘的預(yù)報(bào)效果可知，采用文中幾種方法進(jìn)行鐘差預(yù)報(bào)時(shí)，Rb鐘的預(yù)報(bào)效果優(yōu)于Cs鐘，其連續(xù)40次預(yù)報(bào)均方根誤差的min及mean的平均值比Cs鐘小80%以上，其連續(xù)40次預(yù)報(bào)均方根誤差range的平均值比Cs鐘小70%以上。QPT2GM模型對(duì)Cs鐘的改善尤為明顯，提高的效率是Rb鐘的2倍以上。

圖3 不同模型4 d數(shù)據(jù)預(yù)報(bào)6 h鐘差RMS平均值Fig.3 The mean value of RMS of four days clock’s prediction in 6 h with different models

圖4 不同模型4 d數(shù)據(jù)預(yù)報(bào)6 h鐘差RMS極差值Fig.4 The range value of RMS of four days clock’s prediction in 6 h with different models

各統(tǒng)計(jì)量平均值原子鐘預(yù)報(bào)6h/ns預(yù)報(bào)24h/nsQPQPT2QPT2GMQPGMGMQPQPT2QPT2GMQPGMGMminRb0.2280.1980.1360.1940.1860.3820.3400.2560.3190.312Cs1.3490.9740.8711.1351.2213.0502.1521.6471.8082.319meanRb1.2131.2130.5220.7840.6632.3972.3791.4971.6501.522Cs5.3125.0563.2374.2714.1238.7358.4547.0307.6146.668rangeRb4.2524.4081.5082.3031.9737.7537.8025.5485.7555.967Cs12.05811.5205.9979.0509.36823.95224.84418.34218.46016.848

3 結(jié) 語(yǔ)

1)本文所提算法的解算精度及穩(wěn)定性在衛(wèi)星鐘差短期預(yù)報(bào)中均優(yōu)于常用算法，可以作為一種較好的鐘差預(yù)報(bào)模型，且采用該模型進(jìn)行衛(wèi)星鐘差預(yù)報(bào)時(shí)，Rb鐘的預(yù)報(bào)效果優(yōu)于Cs鐘。

2)在一定精度范圍內(nèi)，進(jìn)行衛(wèi)星鐘差短期預(yù)報(bào)時(shí)可以只考慮2個(gè)主要周期誤差。

3)鐘差預(yù)報(bào)模型的預(yù)報(bào)性能與星載原子鐘的類(lèi)型及發(fā)射時(shí)間有關(guān)，后期發(fā)射的衛(wèi)星鐘差預(yù)報(bào)性能優(yōu)于早期衛(wèi)星，與目前已公開(kāi)的結(jié)論一致。

4)本文對(duì)鐘差趨勢(shì)項(xiàng)進(jìn)行建模時(shí)采用二次多項(xiàng)式模型，但是該模型并不適用于所有類(lèi)型的衛(wèi)星，在以后工作中將對(duì)其作進(jìn)一步研究。

[1] 王宇譜，呂志平，陳正生，等.衛(wèi)星鐘差預(yù)報(bào)的小波神經(jīng)網(wǎng)絡(luò)算法研究[J].測(cè)繪學(xué)報(bào)，2013，42(3)：323-330(Wang Yupu, Lü Zhiping, Chen Zhengsheng, et al. Research on the Algorithm of Wavelet Neural Network to Predict Satellite Clock Bias[J]. Acta Geodaetica et Cartographica Sinica, 2013, 42(3): 323-330)

[2] 李征航，黃勁松.GPS測(cè)量與數(shù)據(jù)處理[M].武漢：武漢大學(xué)出版社，2014(Li Zhenghang, Huang Jinsong. GPS Surveying and Data Processing[M].Wuhan: Wuhan University Press, 2014)

[3] Galleani L, Sacerdote L, Tavella P, et al. A Mathematical Model for the Atomic Clock Error[J]. Metrologia, 2003,40(3):257-264

[4] Allan D W. Time and Frequency (Time-Domain) Characterization, Estimation, and Prediction of Precision Clocks and Oscillators [J]. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 1987,34(6):647-654

[5] 郭海榮.導(dǎo)航衛(wèi)星原子鐘時(shí)頻特性分析理論與方法研究[D].鄭州：信息工程大學(xué)，2006(Guo Hairong. Study on the Analysis Theories and Algorithms of the Time and Frequency Characterization for Atomic Clocks of Navigation Satellites[D]. Zhengzhou:Information Engineering University,2006)

[6] 崔先強(qiáng)，焦文海. 灰色系統(tǒng)模型在衛(wèi)星鐘差預(yù)報(bào)中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2005，30(5)：447-450(Cui Xianqiang, Jiao Wenhai. Gray System Model for the Satellite Clock Error Predicting[J]. Geomatics and Information Science of Wuhan University,2005,30(5):447-450)

[7] 黃觀文，楊元喜，張勤.開(kāi)窗分類(lèi)因子抗差自適應(yīng)序貫平差用于衛(wèi)星鐘差參數(shù)估計(jì)與預(yù)報(bào)[J].測(cè)繪學(xué)報(bào)，2011，40(1):15-21(Huang Guanwen, Yang Yuanxi, Zhang Qin. Estimate and Predict Satellite Clock Error Using Adaptively Factors Based on Opening Windows[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(1): 15-21)

[8] 王宇譜，呂志平，崔陽(yáng)，等.利用遺傳小波神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)導(dǎo)航衛(wèi)星鐘差[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2014，39(7)：809-814(Wang Yupu, Lü Zhiping, Cui Yang, et al. Predicting Navigation Satellite Clock Bias Using a Genetic Wavelet Neural Network[J]. Geomatics and Information Science of Wuhan University, 2014, 39(7):809-814)

[9] Hu Y, Tang D P. Application of a Novel Data Mining Method Based on Wavelet Analysis and Chaotic Neural Network on Satellite Clock Bias Prediction[J]. Applied Mechanics and Materials, 2014, 513-517:1 144-1 149

[10]Yuan H B, Wang Z M, Dong S W, et al. Dynamic Grey-Autoregressive Model of an Atomic Clock[J].Metrologia, 2008,45(6):S1-S5

[11]鄭作亞，陳永奇，盧秀山.灰色模型修正及其在實(shí)時(shí)GPS衛(wèi)星鐘差預(yù)報(bào)中的應(yīng)用研究[J].天文學(xué)報(bào)，2008，49(3)：306-320(Zheng Zuoya, Chen Yongqi, Lu Xiushan. An Improved Grey Model for the Prediction of Real-time GPS Satellite Clock Bias[J]. Acta Astronomica Sincia,2008,49(3):306-320)

[12]John D, Santosh B, Marek Z. Development of a Kalman Filter Based GPS Satellite Clock Time-offset Prediction Algorithm[C]. European Frequency and Time Forum(EFTF), 2012

[13]Kenneth L S, Jim R R, Ronald L B. Characterization of Periodic Variations in the GPS Satellite Clocks[J]. GPS Solutions,2008, 12(3):211-225

[14]鄭作亞，黨亞民，盧秀山，等.附有周期項(xiàng)的預(yù)報(bào)模型及其在GPS衛(wèi)星鐘差預(yù)報(bào)中的應(yīng)用研究[J].天文學(xué)報(bào)，2010，51(1)：95-102(Zheng Zuoya, Dang Yamin, Lu Xiushan, et al. Prediction Model with Periodic Item and Its Application to the Prediction of GPS Satellite Clock Bias[J]. Acta Astronomica Sincia,2010,51(1):95-102)

[15]Zhao C S. Grey System Theory and Its Applications[J]. Journal of Grey System, 2015,27(1):127-129

[16]路曉峰，楊志強(qiáng)，賈曉林，等.灰色系統(tǒng)理論的優(yōu)化方法及其在衛(wèi)星鐘差預(yù)報(bào)中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2008，33(5)：492-495(Lu Xiaofeng, Yang Zhiqiang, Jia Xiaolin, et al. Parameter Optimization Method of Gray System Theory for the Satellite Clock Error Predicating[J]. Geomatics and Information Science of Wuhan University, 2008,33(5):492-495)

[17]尹遜震.灰色模型的改進(jìn)及其應(yīng)用[D].南京：南京信息工程大學(xué),2008(Yin Xunzhen. The Improved Grey Model and Its Applications[D].Nanjing: Nanjing University of Information Science & Technology,2008)

[18]李瑋，程鵬飛，秘金鐘.灰色模型在快速衛(wèi)星鐘差預(yù)報(bào)中的應(yīng)用[J].測(cè)繪科學(xué)，2010，35(3)：43-45(Li Wei, Cheng Pengfei, Bei Jinzhong. Grey System Model for the Ultra-rapid Satellite Clock Error Predicting[J]. Science of Surveying and Mapping, 2010,35(3):43-45)

About the first author:SUN Dashuang, postgraduate, majors in theory and method of surveying data processing, E-mail:sundashuang1992@163.com.

A Method of Satellite Clock Bias Prediction Considering Periodic Errors and Stochastic Characteristics

SUNDashuang1LüZhiping1WANGYupu1LIBodi2WANGNing1

1 School of Surveying and Mapping, Information Engineering University, 62 Kexue Road, Zhengzhou 450001, China 2 78092 Troops，Chengdu 610000,China

In order to improve satellite clock bias prediction, a new prediction method is proposed considering periodic errors and stochastic characteristics. First, the given satellite clock bias is fitted by four quadratic polynomial models with one to four dominating periodic errors; the best model is then chosen to obtain the fitting residuals. Then, the prediction of the fitting residuals is modeled based on grey model, considering the stochastic characteristics of the fitting residuals. Finally, the clock bias based on the best of the four models and prediction of the fitting residuals are combined to obtain the ultimate prediction result. The precise data of satellite clock bias within 15 min from IGS are used to conduct experiments on different models. The results show that the model with two dominating periodic errors is better than the model with other dominating periodic errors and that the proposed model performs better than commonly used models in short-term prediction.

quadratic polynomial model; grey model; periodic error; satellite clock bias; stochastic characteristic

National Natural Science Foundation of China, No.41274015; National Key Research and Development Program of China, No.2016YFB0501701; Open Fund of State Key Laboratory of Geo-Information Engineering, No.SKLGIE2015-M-2-1.

2015-11-02

項(xiàng)目來(lái)源：國(guó)家自然科學(xué)基金(41274015);國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFB0501701)；地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(SKLGIE2015-M-2-1)。

孫大雙，碩士生，主要從事測(cè)量數(shù)據(jù)處理方法與理論研究，E-mail：sundashuang1992@163.com。

10.14075/j.jgg.2016.12.010

1671-5942(2016)012-1078-05

P228

A