应用端部效应改善的LS+NN模型进行日长变化预报

现有ΔLOD(Delta Length-Of-Day,日长变化)预报模式在进行周期项与残差项拟合分离时,通常没有考虑LS(Least Squares,最小二乘)拟合序列的端部效应,预报精度难以取得较大提高。针对端部效应现象,首先采用时间序列分析模型在ΔLOD序列两端进行数据延拓,构成一个新序列,然后用新序列求得LS外推模型系数,再结合LS外推模型和NN(Neural Network,神经网络)对原始ΔLOD序列进行预测。算例表明,在ΔLOD序列两端增加延拓数据,能有效改善LS拟合序列的端部效应;端部效应改善的LS+NN模型的预报精度明显优于常规LS+NN模型,精度最大提高了17.86%。该方法不仅适用于LS+NN模型,也适用于LS外推模型与其他模型的组合。     

低轨航天器长期轨道预报的初步研究

低轨航天器的长期管理和维护需要较高精度的长期轨道预报,影响长期预报精度最主要的因素来自低轨航天器所受的大气阻力摄动.借助平均大气密度模型,以340 km高度的低轨航天器为例,研究了低轨长期轨道预报问题.利用基于长弧段的逐天精密定轨,可以修正参考点的平均密度.根据目前积累的数据,通过引入太阳自转周期27 d和半年180 d这2个周期拟合平均密度序列,未来的平均密度可以预报到较高精度.目前的计算结果表明,在此基础上低轨航天器的长期轨道预报精度可以得到保证,在不同算例中表现基本稳定可靠.     

大气密度模型用于近地卫星定轨预报的比较

大气阻力是低轨卫星主要的摄动力,与高层大气密度的变化密切相关。由于目前对高层大气密度变化的机制尚未完全掌握,所使用的各种大气密度模型多属于半经验公式。在这些模型中并没有一种在任何情况下都是最好的,因此,对于特定轨道选择合适的大气密度模型对提高定轨预报的精度是非常重要的。通过对资源2号卫星实测GPS数据的分析计算,比较了常用的8种大气密度模型的定轨预报精度,探讨了预报24h应采用的定轨数据长度和大气密度模型。     

高精度实时弹道预报方法研究

试验任务中指挥中心需要实时向各测控设备发送引导信息,引导其捕获目标并稳定跟踪。随着试验任务要求不断提高,对引导精度的要求也越来越高,而计算高精度引导信息的关键是准确预报目标的弹道参数。目前常用的被动段弹道预报方法精度不高,不能满足高精度引导要求。本文着眼于预报初值精度的提高和预报模型的改进,将航天器轨道动力学知识运用到导弹被动段动力学建模中,建立了更符合导弹被动段运动特性的动力学模型来进行弹道预报。仿真数据计算表明,此方法能提高被动段弹道预报的精度,具有较高的应用价值。     

两种模型用于卫星钟差预报的性能分析

利用二次多项式和GM（1，1）灰色系统两种模型对GPS卫星钟差进行了预报分析。计算结果表明：在短期（1d）预报中，两者的预报误差在1ns量级以内；在长期（210d）预报中，灰色模型预报精度明显高于二次多项式模型预报精度，并且灰色模型长期（210d）预报Cs钟的精度高于Rb钟。     

基于BDS-2/BDS-3联合处理的北斗超快速钟差预报优化策略

针对北斗卫星导航系统(BDS)钟差预报产品无法满足高精度快速服务需求的现状，提出了一种基于BDS-2/BDS-3联合估计的超快速卫星钟差预报优化策略。区别于传统两步法预报模型，利用稀疏建模方法一步求解所有模型项，并通过BDS-2/BDS-3星间相关性实现了模型系数解的增强；为进一步降低模型残差的影响，基于残差序列时空相关性，利用半变异函数重构了模型估计的权阵。为验证提出的钟差预报模型，设计了12套对比方案，实验结果表明：基于稀疏建模的钟差模型参数一步估计可略微提高钟差预报精度；通过引入星间相关性对随机模型进行精化，钟差序列一步建模可分别将BDS-2与BDS-3卫星钟差18h预报精度提升28.6%与27.2%；基于半变异函数建模的模型残差相关性提取，可实现BDS-2与BDS-3预报钟差精度8.0%与11.1%的提升。因此，提出的优化策略对当前北斗超快速卫星钟差预报产品精化具有重要意义。     

基于深度学习的太阳10.7 cm射电流量日值的中期预报

针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。     

基于全连接神经网络的分层旋流火焰燃烧振荡预报

燃气轮机贫油预混低排放燃烧室容易发生燃烧振荡,在宽工况极端条件下燃烧主动控制有潜力成为抑制燃烧振荡的有效方法。然而主动控制系统依赖于对燃烧振荡的快速监测和准确预报,因此有必要针对不同的燃烧振荡预报手段开展研究和验证。本文以甲烷预混同心分层旋流火焰的图像为基础,采用降低图像分辨率和提取火焰结构特征参数这两种不同的方式对火焰图像信息进行简化处理,并使用全连接神经网络对燃烧振荡进行预报研究。结果发现,两种方式都可以较为准确地预报燃烧振荡,精度均达到90%以上。预报精度随着图像分辨率的增加而升高,在极低的图像分辨率(3*3)下,预报精度也能达到90%以上。此外,对根据火焰平均图像提取的结构特征参数进行了敏感性分析,捕捉到了系统稳定性的转变,但参数变化范围受训练集限制。本文提出的基于数据驱动方法对燃烧振荡的预报时间小于2 ms,为实现燃烧振荡实时在线预报提供了支持。     

基于舰船运动时间序列预报的直升机着舰时机判断

为解决舰载直升机在海上返航着舰的安全问题，开展了直升机着舰时机判断研究。首先，基于时间序列预报方法，采用AR自回归模型，模型参数估计使用递推最小二乘算法进行在线辨识，对于存在的数据饱和问题引入了遗忘因子加以解决，实现了对舰船运动的短期预报。然后，根据舰船横摇运动的实时预报结果和周期性特点，选取横摇角度及角速度满足安全阈值的时间段，确定直升机安全着舰的时机。研究结果表明：该方法有效提高了直升机着舰的安全性。     

滑油光谱分析的时序建模与故障预报研究

本文讨论了时序建模方法在机械设备滑油光谱分析中的应用,通过运用ＡＲ模型对采集的航空发动机滑油光谱数据进行时序建模和预测分析,获得了满意的效果。这一成果,为机械设备的状态监控和故障预报提供了一种实用方法。     

基于AMDAR的航路气象模型研究

提出了一种基于AMDAR的航路气象模型。该模型通过设置虚拟观测点和应用基于卡尔曼滤波的数值气象预报释用技术,融合AMDAR数据和世界区域预报系统（WAFS）发布的格点预报数据,有效提高了航路上气象要素预报的时空分辨率、精度和航路飞行效率。仿真试验表明,航路气象模型的预测性能显著优于目前使用的WAFS预报。     

导弹电子设备故障的组合预测方法研究

针对传统GM(1,1)的对纯指数型序列预测的局限性,引出了改进的离散灰色DGM(1,1)模型。应用DGM(1,1)模型与时间序列AR模型的组合模型对导弹电子设备进行故障预测,并通过实例对预测精度进行了检验。     

一种大椭圆轨道卫星星历预报方法

针对大偏心率轨道长时间星历预报,稠密输出星历的低效率问题,提出了一种新的星历预报方法。该方法通过建立卫星摄动力模型,对卫星运动方程进行数值积分来获取卫星星历。该方法的轨道积分器以标准的8阶Adams-Cowell多步法为基础,针对大偏心率轨道的特性,在一个轨道周期的不同时段内采用不同的积分步长,同时引入了用于生成小间隔等间距卫星星历的插值公式。该方法降低了卫星运动方程右函数的计算次数,尤其适用于需要稠密输出卫星星历的情况。以STK(Satellite Tool Kit,卫星工具包)的HPOP(High Precision Orbit Propagator,高精度轨道预报)模型为验证基准,通过数学仿真校验了该方法的有效性和精度。算例表明,该方法在预报精度损失很小的情况下,计算时间远小于标准的多步法和HPOP模型。     

门限自回归模型参数的局部正交设计寻优法

在采用点值图确定门限区间个数的基础上，对门自回归模型中门限值、滞后步长、各门限区间模型阶数，利用正交设计方法寻优，计算工作量锐减，却可得到精度较高的预报模型。     

一种低轨卫星轨道预报算法

在基于EMBET（Error Model Best Estimation of Trajectory，误差模型最佳弹道估计）的雷达自校准处理过程中，需要基于给定的低轨卫星初始状态完成轨道预报，得到与雷达测量序列对应的卫星位置序列，进而通过迭代收敛过程得到误差模型参数估计。针对低轨卫星轨道迭代预报的需要，提出了一种边积分边插值的轨道预报方法。即将低轨卫星轨道积分计算过程的加速度计算结果直接应用到三弯矩插值，省略了三弯矩插值中节点矩的计算过程，同时将积分步长以及插值区间步长设置为1 s，减少了积分及插值中乘法和除法的计算次数，进一步提高了计算效率。经仿真计算表明，该方法在保证轨道预报精度的情况下，计算效率比传统低轨卫星轨道预报方法提高了约20倍，有效提高了雷达自校准处理的时效性。     

CLT桨敞水性能的势流预报方法

为了提高面元法对尾流收缩叶梢负载（CLT）桨敞水性能的预报精度,通过修正常规面元法中的螺旋桨计算模型、尾涡模型和网格,改进预报CLT桨敞水性能的面元法计算理论。以CLT标准桨（P1727）为研究对象,从CFD方法模拟结果中,提取不同进速下的尾涡螺距和尾涡半径,构建双尾涡模型;提出混合网格划分方法,提高计算精度和效率。将面元法预报结果与国际拖曳水池会议（ITTC）实验数据对比,结果表明,在设计进速附近,推力系数和转矩系数的相对误差在5%以内,效率的相对误差在2%以内,满足计算精度。     

TG01/SZ08交会对接轨道确定与预报精度分析

以我国首次空间交会对接为背景,介绍了交会对接任务轨道计算和预报的新特点。针对TG01("天宫一号"目标飞行器)调相控制期间的中长期轨道预报问题,分析了影响预报精度的多种因素,定量给出了偏航飞行姿态对轨道预报的影响,通过对不同策略预报结果的比较,制定了轨道预报的最优策略;针对SZ08("神舟八号"飞船)远距离导引期间的短弧定轨,采用适应短弧情况下的定轨策略,分别利用3圈、6圈地基统一S频段和中继卫星数据的定轨位置精度优于50m。     

补偿模糊神经网络在机床热误差预报模型中的应用

提出了一种基于补偿模糊神经网络的数控机床热误差预报模型,讨论了该模型的详细结构、模糊规则、训练算法及相关技术问题,并给出了智能预报结果和精度评价。     

航空活塞发动机大修成本的GM(1,1)优化预测模型

以某台Lycoming型航空活塞发动机2009年-2013年的大修费用为时间序列样本,对其进行准光滑检验和准指数规律检验,表明可以建立GM(1,1)模型。建立常规GM(1,1)模型,求得关联度、方差比、小误差概率等指标均为一级精度,但第7次预测的相对误差较大(5.22%)。为了得到较高预测精度,采用新陈代谢GM(1,1)优化模型,结果表明第7次预测的相对误差减小到0.18%,其余指标均保持一级精度。新陈代谢GM(1,1)模型适用于航空活塞发动机的大修成本预测。     

住宅需求量预测的灰色马尔柯夫模型及应用

统计数据显示出非平稳的特征时,采用一般的预测方法往往精度不高,考虑到GM(1,1)模型和Markov链预测的特点,用GM(1,1)模型进行趋势预测,用Markov链预测反映数据序列的非平稳特征,将二者有机结合起来,对住宅的需求量作预测.文章应用该模型对1992～2002年间某城市住宅的数据进行了检验,经验证预测精度较高.