粒子群优化加权灰色回归组合的卫星钟差预报

为了提高卫星钟差预报的精度和稳定度,提出了一种基于粒子群算法优化指数函数和线性函数逼近的加权灰色回归组合的自适应卫星钟差预报方法.该方法首先在建模之前考虑到卫星钟差钟跳频繁的现象,采用中位数法探测钟跳数据并将其剔除后,采用分段线性插值法将缺失的钟差数据补齐;然后考虑到卫星钟差存在系统噪声,采用三点平滑法对钟差数据进行平滑处理后,建立了以指数函数和线性函数逼近加权灰色回归组合的卫星钟差预报模型.针对模型中的精度递增因子难以确定的问题,采用粒子群优化算法对精度递增因子进行自适应寻优.最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合4种典型变化趋势的卫星钟差进行了6 h的预报试验.试验结果表明:该方法的预报性能明显优于其他几种常用模型,其6 h的平均预报精度(RMS)和稳定度(Range)相对于常用的二次多项式预报模型、灰色预报模型、修正指数曲线法预报模型和自回归滑动平均预报模型分别提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%.     

基于IGU钟产品的钟差预报影响因素分析

建立基于钟差预报多项式模型的多项式模型加周期项、多项式模型与灰色模型组合的钟差预报改进模型,同时考虑起始偏差改正的影响。利用IGS超快速产品的实测钟差(IGU-O)数据进行建模预报,将预报结果与IGS超快速产品的预报钟差(IGU P)进行比较,分析各模型的预报效果及其与原子钟类型和预报时间段的关系,同时分析钟漂、周期误差、随机误差以及系统误差对预报结果的影响。     

L-M算法优化的灰色模型在GPS卫星钟差预报中的应用

针对灰色模型在模型参数估计方面存在的不足,提出一种基于L-M算法对模型参数全局迭代优化估计方法。该方法通过对发展系数、灰色作用量和时间响应函数初始值3个方面改进优化,解决了常规差分灰色模型背景值生成因子不确定性、时间响应函数初始值固有偏差和模型参数解估计局部最优问题。实验算例表明,相较二次多项式模型和灰色模型,改进模型在不同类型的原子钟钟差预报精度方面均得到提升,6 h和24 h预报精度平均提高了48.5%和46.3%,验证了改进方法的有效性和优越性。     

基于PSO-SVM精化QP模型的短期卫星钟差预报

针对卫星钟差序列的特性,将其视作由趋势项与随机误差项组成的时间序列,提出一种基于PSO-SVM精化的二次多项式预报算法:通过QP模型建模预报钟差值以提取其趋势项,利用SVM模型对拟合阶段的残差值建模进行滚动预报,利用预报所得的差值对QP模型预报阶段的钟差值进行改进。为克服SVM算法自身参数搜索方法的缺陷,采用PSO算法选择其最优参数。实验结果表明:相较于常用算法,该方法预报精度较高,且改进了QP模型预报误差会随时间累积的缺点。     

基于 ＰＳＯ－ＳＶＭ精化 ＱＰ模型的短期卫星钟差预报

针对卫星钟差序列的特性,将其视作由趋势项与随机误差项组成的时间序列,提出一种基于 ＰＳＯ －ＳＶＭ精化的二次多项式预报算法：通过 ＱＰ模型建模预报钟差值以提取其趋势项,利用 ＳＶＭ模型对拟 合阶段的残差值建模进行滚动预报,利用预报所得的差值对 ＱＰ模型预报阶段的钟差值进行改进。为克服 ＳＶＭ算法自身参数搜索方法的缺陷,采用 ＰＳＯ算法选择其最优参数。实验结果表明：相较于常用算法,该方法预报精度较高,且改进了 ＱＰ模型预报误差会随时间累积的缺点。     

灰色理论用于遥测数据中长期预测

针对目前卫星在轨测控过程中,遥测数据变化趋势不易判断这一问题,提出了对遥测数据进行中长期预测的思想.基于灰色系统理论,结合遥测数据特点和中长期预测要求,对灰色预测GM(1,1)模型的建模过程和预测精度进行研究.依据所构建的模型进行预测验证分析,根据后验差比值、小误差概率、预测精度对预测结果的评价分析显示,该方法可以对遥测数据中长期趋势起到提前预报的作用,符合卫星遥测数据中长期预测要求.预测结果能够为测控人员对卫星遥测数据未来趋势的分析和潜在故障的预警判断提供理论支持     

接收机钟差灰色马尔可夫预测模型研究

将灰色理论与马尔可夫链相结合,提出了基于灰色马尔可夫链的接收机钟差预测模型.首先根据灰色理论对钟差序列数据进行拟合以及初步预测,然后以拟合曲线为基础划分状态空间,通过马尔可夫状态转移概率矩阵对初步预测值进行修正.在预测过程中,不断引入最新数据并剔除最旧数据,对模型进行实时更新,以进一步提高预测精度.实例计算验证了该模型...     

灰色理论用于遥测数据中长期预测

针对卫星在轨测控过程中,遥测数据变化趋势不易判断这一问题,提出了对遥测数据进行中长期预测的思想.基于灰色系统理论,结合遥测数据特点和中长期预测要求,对灰色预测GM(1,1)模型的建模过程和预测精度进行研究.依据所构建的模型进行预测验证分析,根据后验差比值、小误差概率、预测精度对预测结果的评价分析显示,该方法可以对遥测数据中长期趋势起到提前预报的作用,符合卫星遥测数据中长期预测要求.预测结果能够为测控人员对卫星遥测数据未来趋势的分析和潜在故障的预警判断提供理论支持.     

灰色粒子群自适应卫星钟差预报方法

高精度卫星钟差预报是当前接收机实时精密单点定位技术(Real-time precise point positioning,RT-PPP)亟需解决的关键技术难题之一.为找到一种基于小样本钟差序列的快速高精度卫星钟差预报方法,在分析常规GM(1,1)灰色模型(grey model)缺点的基础上对其进行了改进,提出了PGM(1,1)模型(particle swarm optimization-grey model)及其算法.该模型利用最新量测值进行初始化,然后通过引入遗忘因子的最小二乘法对新旧信息进行加权处理;再引入优化因子对模型系数进行调节,以归一化的平均相对误差作为精度检验标准,采用粒子群算法对其自适应寻优.最后选取了5颗钟差变化典型的GPS(global positioning system)卫星原子钟进行1 d内的精密钟差预报实验.结果表明,相对于常规GM(1,1)灰色模型和常规二次项拟合模型,所提出的模型及其算法预报精度有显著提升,其平均预报残差达到了亚纳秒级,且所需训练样本小.因此,该预报模型可以应用于卫星钟差快速精准预报.     

改进灰色模型在中长期电力负荷预测中的应用

针对中长期电力系统负荷预测,在前人已有成果的基础之上,对普通灰色模型进行了改进.一方面对历史数据进行二次平滑处理,大大消除了干扰因素;另一方面利用带有马尔可夫链符号估计的残差修正技术对未来残差的符号进行预测以修正灰色模型的预测结果.以某地区多年以来的历史数据为基础,建立了数学模型,通过实际数据计算表明:改进后的灰色负荷预测方法可以应用于电力系统中长期负荷预测,而且较普通灰色预测模型在预测精度上有着明显的提高,尤其是对于较远时间的负荷预测有着较为理想的预测精度,表明了该种方法的有效性和实用性.     

小区间浴盆形火灾事故预测

基于传统灰色预测模型预测剧烈波动型火灾数据误差较大的缺陷,使用泰勒公式将灰色预测模型的原始数据序列展开,并展开拉格朗日型余项,以此修正传统的灰色预测模型,改进了传统的灰色预测算法。使用Matlab软件编程,分别采用传统的灰色预测算法和改进的灰色预测算法,针对小区间浴盆形火灾事故,选取三组数据进行预测。结果表明,修正后的灰色预测模型改善了传统灰色预测模型预测浴盆形火灾事故稳定性差、误差大、精度低的不足,预测曲线符合浴盆形曲线特征,与原始数据曲线特征具有较高的一致性。改进的灰色预测模型与传统的灰色预测结果相比,三组数据的平均相对误差分别降低86.59%、55.32%、55.70%。改进的灰色预测模型预测结果在精度、相对误差、关联度三方面都能满足要求。     

基于灰色理论和Usher曲线的PHC管桩单桩竖向极限承载力预测

针对利用现行规范公式计算PHC管桩的竖向极限承载力值存在结果偏低的问题,根据竖向静载荷文献资料,基于灰色理论GM(1,1)模型和Usher曲线模型预测单桩的极限承载力,并采用MATLAB软件实现预测模型算法.工程实例分析表明:灰色预测模型的预测精度与竖向静载试验数据级数选取、预测距离有密切关系;Usher曲线模型对桩极限承载力的预测精度大大高于灰色模型,此结果可为类似工程地质条件下PHC管桩单桩竖向极限承载力的预测提供借鉴.     

含非线性时间项的无偏灰色模型构建与应用

针对含二次多项式时间项灰色模型存在着从差分到微分的跳跃性误差,提出了其无偏模型,此模型无需已知白化方程解析解。借助新变量将原白化方程转化为矩阵微分方程,根据方程的解直接建立离散时间响应函数的递推公式,利用直接建模法给出无偏模型的参数估计,采用精细积分法直接对数据进行高精度的模拟(预测),并以误差平方和最小为目标对初始点进行优化。从理论上证明了该模型具有含线性时间项非齐次指数规律重合性和伸缩变换一致性,从非齐次指数序列和能源消费实例上也验证了所构建模型的无偏性和有效性,具有更好的拟合(预测)精度。     

改进的灰色神经网络预测方法

针对GM（1,1）算法求解发展系数和灰色作用量时受背景值影响的问题,提出一种回避背景值的辨识参数求解方法,避开背景值试算选取的步骤或选取不当造成预测精度低的问题;针对GM（1,1）模型预测时初始条件为固定值影响预测精度的问题,提出一种构建变权初始值的方法,避免预测精度受固定初始值的影响;针对传统灰色神经网络样本类型单一的问题,提出一种新的组合预测模型结构,突破了传统模型只依靠单一浸润线历史数据预测的局限,建立了基于改进灰色神经网络的浸润线预测模型.通过工程验证,该模型短期内对浸润线高度的变化预测效果较好.     

组合模型在中期电力负荷预测中的应用

为了对中期电力负荷进行合理预测,结合三次指数平滑法和GM(1,1)预测模型,建立了新的组合模型,并以预测偏差平方和最小为准则优化了各单一模型的权重.通过MATLAB编程并以某市全年用电量为例对3种方法的预测精度进行了仿真验证.结果表明,组合模型具有更高的预测精度和更低的预测误差,能避免各单一预测模型的局限性.因此,用组合模型对未来用电量进行预测的结果更可靠.