针对机器学习算法在卫星钟差短期预报应用中训练数据量最佳确定、算法有效性评估研究较少的问题,以武汉大学IGS数据中心连续15 d 33颗事后BDS-2/BDS-3精密卫星钟差产品为例,基于钟差相位数据的偏最小二乘(PLS)、基于钟差相位数据一次差分的偏最小二乘(DPLS)、长短期记忆网络(LSTM)模型进行了BDS-2/BDS-3卫星钟差短期预报.实验结果表明:首先,选择第15天数据为测试样本,前14天距第15天最近的连续n d数据为训练样本时,n为8时,PLS模型预报性能达到最优;n为1、3、8时DPLS预报性能达到相对最优;n为11时LSTM预报性能最优;PLS、DPLS模型的预报效率较优,而LSTM预报效率较差,最大预报耗时分别为0.25 s、0.90 s、198.65 min;随着测试样本的增加,LSTM模型的预报耗时显著增加,而其他两个模型预报耗时基本没有变化;其次,连续14 d的短期预报(当前1天为训练样本,后1天为测试样本)结果表明,DPLS较PLS与LSTM模型,6 h预报时长下,均方根误差(RMS)分别提升了31.26％、39.66％,极差(Range)分别改善了26.34％、40.30％,24 h预报时长下,RMS分别提升了33.48％、42.68％,Range分别改善了29.77％、42.95％.

卫星钟差短期预报;北斗三号卫星;偏最小二乘;长短期记忆网络

杨旭;何祥祥;程茂原;钟东升;葛雅倩

安徽理工大学 矿区环境与灾害协同监测煤炭行业工程研究中心,安徽 淮南 232001;安徽理工大学 空间信息与测绘工程学院,安徽 淮南 232001;安徽理工大学 矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽 淮南232001;河海大学 地球科学与工程学院,南京 211100

测绘工程

[1]杨旭;何祥祥;程茂原;钟东升;葛雅倩-.基于偏最小二乘算法的BDS-2/BDS-3卫星钟差短期预报)[J].测绘工程,2022(05):1-8

偏最小二乘,最小二乘算法,BDS,卫星钟差短期预报,机器学习算法,报应,训练数据,数据量,有效性评估,评估研究,武汉大学,IGS,数据中心,一次差分,DPLS,长短期记忆网络,训练样本,预报性能,报效,有变,报时,RMS,极差,Range,北斗三号卫星

0.19199