北斗卫星轨道预报方法分析

• 作者: 吉长东 张萌 王强
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 轨道预报 总体经验模态分解 长短时记忆神经网络 动力学模型
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 大地测量学与导航
• 页码范围: 18-25,32
• 页数: 9页
• 分类号: P228
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2020.07.003

摘要

针对动力学模型预报轨道误差随弧长增加而发散的问题,用深度学习长短期记忆神经网络模型对预报误差进行补偿,且对LSTM模型逐点迭代产生的误差积累问题,提出了总体经验模态分解和LSTM模型组合的EEMD-LSTM预报模型.采用LSTM模型补偿GEO、IGSO和MEO轨道误差较BP神经网络更能完备地学习误差特性,在短、中和长期预报中,两者均方根误差差值随预报弧长增大而增大,同时误差平均改进率(Imp)也明显提高,30 d内预报中增大的Imp高达28.6％.且EEMD-LSTM模型较好地抑制LSTM模型误差累积,在中长期的预报中RMSE和Imp的差值再变化,前者高达到21.13 m,后者高达到4.24％.EEMD-LSTM组合模型补偿功能的实现对未来GNSS卫星轨道预报方法研究提供了一种参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王强		32	157	7.0	11.0
2	吉长东		56	250	9.0	12.0
3	张萌		2	0	0.0	0.0