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.     

直升机飞行气象要素的精细化数值预报

适应精细化预报的发展趋势,设计并发展了能对我国数值预报产品进行深加工处理的诊断分析模块。该模块能在常规数值预报产品的基础上,进一步制作直升机飞行气象保障专用参数产品。文中介绍了该模块的设计和实现方法,并结合主要产品,分析了其在业务保障中的应用。     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

太阳光球磁场特征物理量在质子事件短期预报中的应用

利用SOHO/MDI全日面纵向磁图, 计算了三个描述太阳活动区磁场复杂性和非势性的特征物理量, 即纵向磁场最大水平梯度Bz, 强梯度中性线长度L, 孤立奇点数目η. 为检验太阳光球磁场特征在质子事件短期预报中是否有效, 采用BP神经网络方法, 建立了基于这三个磁场特征物理量简单的太阳质子事件短期(24h)预报模型. 模 型在对2002年和2003年连续两年的样本检测中, 有很高的准确率(2002年和2003年 分别为90 %, 87.54 %)和较高的 质子事件报准率(2002年和2003年分别为60 %, 75 %),从而为光球磁场特征物理量作为质子事件预报的有效因子提供了依据.      

基于灰色预测法的商誉评估研究

商誉是一种不可确指的无形项目,超额收益法是评估商誉的重要方法之一,企业收益是用超额收益法评估商誉所需要的基本参数之一。通过比较几种企业收益的预测方法,采用灰色预测法,将其应用在超额收益法中,以提高商誉价值评估的准确度。     

气象卫星在暴雨和强对流天气系统监测和短时天气预报中的应用

简要地介绍了气象卫星,特别是地球静止气象卫星图象资料在强对流风暴(雷雨大风和冰雹)和暴雨两大类灾害性天气系统的监测和短时预报中的作用、地位和应用情况;同时,还扼要地给出了利用卫星资料研究这两类天气系统所取得的部分成果;最后讨论了利用气象卫星监测降水的重要性及其现状。     

内蒙古阿拉善盟民航客运需求分析与预测

阿拉善盟地形地貌复杂,陆路交通不便,计划建设民用机场,以拉动地区经济发展,因此,需要对阿盟航空运输需求进行预测。由于缺乏历史数据,提出横向对比建模分析方法,对阿盟未来的航空运输需求进行预测,模型可靠性已经过现有运营机场的数据验证,研究成果可为阿盟建设民用机场、开通航线的相关决策提供参考。     

基于云微物理参数的飞机积冰多因子预测方法

基于气象探测信息,准确进行飞机积冰预测并及时开启防/除冰系统是保障飞机飞行安全的重要方法。提出了一种多因子积冰预测方法,当已知飞机所在飞行云层类型、飞行高度、速度、气温、气压和露点温度时,使用提出的方法可计算得到飞行高度上的相对湿度、比湿、0℃高度上的气压、液态含水量等气象参数,用所建立的多因子积冰强度判别式可对飞机积冰的可能性及积冰强度进行预测。将方法应用于飞机积冰案例中,与美国国家大气科学中心提出的RAOB积冰预报方法进行了对比。分析结果表明,提出的方法准确有效,可为飞机积冰预测提供技术支持。     

轨道预测辅助GPS载波跟踪技术用于低轨道卫星定位研究

针对低轨道卫星及其特定的运动环境,研究了星载GPS接收机载波跟踪问题。基于卫星轨道可模化、可预测的特性,提出了利用预测卫星轨道计算多普勒频移,并用于辅助载波环路跟踪的新方法。该方法有效地降低了低轨道卫星GPS信号跟踪中的动态,从而在跟踪过程中可以采取降低环路阶数、减小环路带宽、增加预检测积分时间这几种措施来提高环路跟踪弱信号的能力,有助于提高低轨道卫星的定位性能。     

集合卡尔曼滤波在电离层短期预报中的应用

提出了一种利用集合卡尔曼滤波对电离层f0F2短期预报结果进行优化的方法. 利用训练好的神经网络对f0F2进行提前1~24 h的预报, 考虑前一天预报误差的反馈信息, 动态跟踪 f0F2的变化趋势, 引入集合卡尔曼滤波对神经网络的预报结果实行进一步修正和优化. 实验结果表明, 此方法的预报效果优于单纯的神经网络模型和IRI模型. 此方法还可以应用于其他电离层参量的短期预报.