综合脉冲星时研究进展

脉冲星计时分析方法包括广义最小二乘法和贝叶斯方法。在分别介绍这2种分析方法的基础上，概括描述综合脉冲星时算法与研究结果。目前，已经建立并在研究工作中实际采用的综合脉冲星时（EPT）算法，主要包括基于TEMPO2软件包的广义最小二乘算法（频率分析法）、贝叶斯算法和维纳滤波算法。给出了采用不同算法的具有代表性的综合脉冲星时研究结果。基于国际脉冲星计时阵（IPTA）长期计时观测资料，综合脉冲星时研究结果表明，以国际原子时（TAI）为参考，采用不同算法得到的综合脉冲星时EPT-TAI，都能够检测到TAI的系统误差TT-TAI。以地球时（TT）为参考还可以得到综合脉冲星时EPT-TT。以所提出的改进维纳滤波算法得到的综合脉冲星时EPT-TAI为例，其频率稳定度分析表明，综合脉冲星时EPT-TAI基本不存在红噪声，在8年以上的频率稳定度略优于原子时TT-TAI。而综合脉冲星时EPT-TT频率稳定度略优于EPT-TAI。与综合脉冲星时不同，消除二次项的原子时TT-TAI的频率稳定度存在明显低频红噪声。最后，总结3种综合脉冲星时算法的各自特征，讨论关于改进综合脉冲星时短期频率稳定度等问题，并给出脉冲星...     

基于长短时记忆神经网络(LSTM)的钟差预报算法

原子钟钟差预报在原子时计算和原子钟频率驾驭中发挥着重要的作用。长短时记忆神经网络（LSTM）预报算法能够处理多参数长期依赖关系的时间序列预报，以氢钟和铯钟实测数据为样本，通过构建LSTM钟差预报模型，降低了长期原子钟内部噪声以及原子钟漂移对钟差预报的影响，并以72h，240h和720h为预报时长，分别与线性多项式模型、灰色模型和Kalman模型原子钟钟差预报模型进行预报误差对比。研究表明，在240h以上的预报时长中，LSTM建模长期依赖关系的优势得以体现，相较于其他3类模型可以获得更高的预报精度。