留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Holt指数平滑模型的Klobuchar模型精化

刘立龙 陈军 黄良珂 吴丕团 秦旭元 蔡成辉

刘立龙, 陈军, 黄良珂, 吴丕团, 秦旭元, 蔡成辉. 基于Holt指数平滑模型的Klobuchar模型精化[J]. 武汉大学学报 ● 信息科学版, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
引用本文: 刘立龙, 陈军, 黄良珂, 吴丕团, 秦旭元, 蔡成辉. 基于Holt指数平滑模型的Klobuchar模型精化[J]. 武汉大学学报 ● 信息科学版, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
LIU Lilong, CHEN Jun, HUANG Liangke, WU Pituan, QIN Xuyuan, CAI Chenghui. A Sophisticated Klobuchar Model Based on the Holt Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
Citation: LIU Lilong, CHEN Jun, HUANG Liangke, WU Pituan, QIN Xuyuan, CAI Chenghui. A Sophisticated Klobuchar Model Based on the Holt Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751

基于Holt指数平滑模型的Klobuchar模型精化

doi: 10.13203/j.whugis20150751
基金项目: 

国家自然科学基金 41664002

国家自然科学基金 41704027

广西自然科学基金 2017GXNSFBA198139

广西自然科学基金 2017GXNSFDA198016

广西空间信息与测绘重点实验室 16-380-25-01

广西空间信息与测绘重点实验室 15-140-07-19

详细信息

A Sophisticated Klobuchar Model Based on the Holt Exponential Smoothing Model

Funds: 

The National Natural Science Foundation of China 41664002

The National Natural Science Foundation of China 41704027

Guangxi Natural Science Foundation of China 2017GXNSFBA198139

Guangxi Natural Science Foundation of China 2017GXNSFDA198016

the Guangxi Key Laboratory of Spatial Information and Geomatics 16-380-25-01

the Guangxi Key Laboratory of Spatial Information and Geomatics 15-140-07-19

More Information
    Author Bio:

    LIU Lilong, PhD, professor, specializes in GNSS space environment. E-mail: hn_liulilong@163.com

    Corresponding author: HUANG Liangke, master, lecturer. E-mail: lkhuang666@163.com
  • 摘要: 利用IGS(International GNSS Service)中心提供的中、低纬度地区平静期、活跃期观测数据,通过Klobuchar模型与双频观测模型解算电离层总电子含量(total electron content,TEC)值。采用Holt指数平滑模型对每个历元前6 d两种模型差值进行1 d预测,利用预测所得差值对Klobuchar模型第7 d的TEC值进行改进。实验结果表明,无论在电离层活跃期还是平静期,改进模型改正效果比基本模型有显著提升,改进模型能更好地反映电离层变化特性,尤其是夜间电离层变化特性。
  • 图  1  活跃期低纬度与中纬度3种模型对比

    Figure  1.  Comparison of Three Model in Ionospheric Active Period over Low-Latitude and Mid-Latitude Areas

    图  2  平静期低纬度与中纬度3种模型对比

    Figure  2.  Comparison of Three Model in Ionospheric Quiet Period over Low-Latitude and Mid-Latitude Areas

    表  1  活跃期不同时段基本模型与改进模型改正率和RMSE统计表

    Table  1.   Statistics of Relative Accuracy and RMSE Between Basic Model and Improved Model in Ionospheric Active Period

    站名 模型 [0, 4] [4, 8] [8, 12] [12, 16] [16, 20] [20, 24]
    Pimo 基本 81.74%/7.18 82.34%/8.59 84.19%/7.39 64.02%/7.56 59.84%/4.83 50.55%/4.70
    改进 97.52%/0.93 96.32%/1.83 90.43%/3.74 88.25%/2.46 79.55%/2.28 93.62%/0.33
    Guam 基本 73.98%/12.53 77.87%/11.63 78.47%/7.80 46.96%/11.86 57.71%/4.65 78.22%/5.33
    改进 98.37%/0.87 97.45%/1.36 82.87%/5.67 92.01%/2.37 94.87%/0.41 89.37%/1.94
    Crao 基本 -63.50%/5.69 66.31%/2.55 42.29%/9.56 43.71%/9.02 31.37%/5.14 -83.73%/5.95
    改进 87.14%/0.55 89.62%/1.14 91.19%/1.45 96.23%/0.72 91.95%/0.61 82.79%/0.57
    Chan 基本 62.83%/9.24 95.43%/1.62 84.32%/2.36 92.71%/0.76 92.26%/0.81 69.56%/3.48
    改进 91.80%/2.05 93.43%/1.88 91.16%/1.37 92.51%/0.74 86.97%/1.23 88.66%/1.81
    下载: 导出CSV

    表  2  平静期不同时段基本模型与改进模型改正率和RMSE统计表

    Table  2.   Statistics of Relative Accuracy and RMSE Between Basic Model and Improved Model in Ionospheric Quiet Period

    站名 模型 [0, 4] [4, 8] [8, 12] [12, 16] [16, 20] [20, 24]
    Pimo 基本 86.30%/2.36 72.07%/4.95 69.22%/3.97 -160.64%/4.26 21.33%/6.58 -19.97%/4.70
    改进 76.90%/3.34 83.78%/2.98 83.83%/2.09 46.57%/2.92 61.54%/1.20 78.05%/1.90
    Guam 基本 92.98%/1.52 94.06%/1.79 84.38%/0.95 43.99%/0.83 -37.09% /0.47 73.73%/1.29
    改进 98.59%/0.55 92.02%/1.14 92.30%/1.45 89.76%/0.72 88.57%/0.62 89.28%/0.57
    Crao 基本 -221.59%/6.94 -35.77%/5.64 -87.48%/9.83 0.51%/7.95 77.96%/6.61 -287.77%/7.31
    改进 93.39%/0.16 92.24% /0.44 93.82%/0.38 88.59%/0.93 86.07%/0.72 84.96%/0.34
    Chan 基本 77.70%/2.38 80.09%/2.51 46.95%/4.44 92.24%/0.79 23.46%/3.94 73.61%/2.94
    改进 90.08%/1.03 95.45%/0.63 69.25%/2.52 90.08%/1.02 84.69%/0.96 86.19%/1.81
    下载: 导出CSV
  • [1] 张强, 赵齐乐, 章红平, 等.北斗卫星导航系统Klobuchar模型精度评估[J].武汉大学学报·信息科学版, 2014, 39(2):142-146 http://ch.whu.edu.cn/CN/abstract/abstract2927.shtml

    Zhang Qiang, Zhao Qile, Zhang Hongping, et al. Evaluation on the Precision of Klobuchar Model for BeiDou Navigation Satellite System[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2):142-146 http://ch.whu.edu.cn/CN/abstract/abstract2927.shtml
    [2] 袁运斌. 基于GPS的电离层监测及延迟改正理论与方法的研究[D]. 武汉: 中国科学院大地测量与地球物理研究所, 2002

    Yuan Yunbin. Study on Theories and Methods of Correcting Ionospheric Delay and Monitoring Ionosphere Based on GPS[D]. Wuhan: Institute of Geodesy and Geophysics, Chinese Academy of Sciences, 2002
    [3] Huo Xingliang, Yuan Yunbin, Ou Jikun, et al. Monitoring the Daytime Variations of Equatorial Ionospheric Anomaly Using IONEX Data and CHAMP GNSS Data[J]. IEEE Transactionson Geoscience and Remote Sensing, 2001, 49(1):105-114
    [4] 王斐, 吴晓莉, 周田, 等.不同Klobuchar模型参数的性能比较[J].测绘学报, 2014, 43(11):1151-1157 doi:  10.13485/j.cnki.11-2089.2014.0176.html

    Wang Fei, Wu Xiaoli, Zhou Tian, et al. Performace Comparison Between Different Klobuchar Model Parameters[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(11):1151-1157 doi:  10.13485/j.cnki.11-2089.2014.0176.html
    [5] 杨哲, 宋淑丽, 薛军琛, 等. Klobuchar模型和NeQuick模型在中国地区的精度评估[J].武汉大学学报·信息科学版, 2012, 37(6):704-708 http://ch.whu.edu.cn/CN/abstract/abstract240.shtml

    Yang Zhe, Song Shuli, Xue Junchen, et al. Accuracy Assessment of Klobuchar Model and NeQuick Model in China[J]. Geomatics and Information Science of Wuhan University, 2012, 37(6):704-708 http://ch.whu.edu.cn/CN/abstract/abstract240.shtml
    [6] 方涵先, 翁利斌, 杨升高. IRI、NeQuick和Klobuchar模式比较研究[J].地球物理学进展, 2012, 27(1):1-7 doi:  10.6038/j.issn.1004-2903.2012.01.001

    Fang Hanxian, Weng Libin, Yang Shenggao. The Research of IRI, NeQuick and Klobuchar Models[J]. Progress in Geophysics, 2012, 27(1):1-7 doi:  10.6038/j.issn.1004-2903.2012.01.001
    [7] Luo Weihua, Liu Zhizhao, Li Min, et al. A Preliminary Evaluation of the Performance of Multiple Ionospheric Models in Low-and Mid-Latitude Regions of China in 2010-2011[J]. GPS Solut, 2014, 18:297-308 doi:  10.1007/s10291-013-0330-z
    [8] 章红平, 平劲松, 朱文耀, 等.电离层延迟改正模型综述[J].天文学进展, 2006, 24(1):16-26 http://www.cqvip.com/QK/96609X/200601/21393307.html

    Zhang Hongping, Ping Jinsong, Zhu Wenyao, et al. Brief Review of the Ionospheric Delay Models[J]. Progress in Astronomy, 2006, 24(1):16-26 http://www.cqvip.com/QK/96609X/200601/21393307.html
    [9] 蔡成辉, 刘立龙, 黎峻宇, 等.基于改进的Klobuchar模型建立南宁市区域电离层延迟模型[J].大地测量与地球动力学, 2015, 35(5):797-800 http://www.cnki.com.cn/Article/CJFDTotal-DKXB201505018.htm

    Cai Chenghui, Liu Lilong, Li Junyu, et al. Establishment of Region Ionospheric Delay Model in Nanning Based on Improved Klobuchar Model[J]. Journal of Geodesy and Geodynamics, 2015, 35(5):797-800 http://www.cnki.com.cn/Article/CJFDTotal-DKXB201505018.htm
    [10] Yuan Yunbin, Huo Xingliang, Ou Jikun, et al. Refining the Klobuchar Ionospheric Coefficients Based on GNSS Observtions[J]. IEEE Transactions on Aerospace and Electronic Systems, 2008, 44(4):1498-1510 doi:  10.1109/TAES.2008.4667725
    [11] 吴越强, 吴文传, 李飞, 等.基于鲁棒Holt-Winter模型的超短期配变负荷预测方法[J].电网技术, 2014, 38(10):2810-2815 http://www.cnki.com.cn/Article/CJFDTotal-DWJS201410030.htm

    NGO Vietcuong, Wu Wenchuan, Li Fei, et al. Ultra-Short Term Load Forecasting Using Robust Holt-Winters in Distribution Network[J]. Power System Technology, 2014, 38(10):2810-2815 http://www.cnki.com.cn/Article/CJFDTotal-DWJS201410030.htm
    [12] 范成方, 史建民.基于Holt-Winters及趋势ARMA组合模型的粮食种植成本预测分析-以山东玉米、小麦为例[J].中国农业资源与区划, 2014, 35(3):45-51 doi:  10.7621/cjarrp.1005-9121.20140308

    Fan Chengfang, Shi Jianmin. Analysis of Gran Production Cost Forecast Based on Holt-Winters and Trend ARMA Combined Model-Taking Corn and Wheat of Shandong Province for Example[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2014, 35(3):45-51 doi:  10.7621/cjarrp.1005-9121.20140308
    [13] 吴涛, 颜辉武, 唐桂刚.三峡库区水质数据时间序列分析预测研究[J].武汉大学学报·信息科学版, 2006, 31(6):500-502 http://ch.whu.edu.cn/CN/abstract/abstract2473.shtml

    Wu Tao, Yan Huiwu, Tang Guigang. Prediction on Time Series Analysis of Water Quality in Yangtze Reservoir Area[J]. Geomatics and Information Science of Wuhan University, 2006, 31(6):500-502 http://ch.whu.edu.cn/CN/abstract/abstract2473.shtml
    [14] Klobuchar J A. Ionospheric Time Delay Algorithm for Single Frequency GNSS Users[J]. IEEE Trans. Aerospace Elec. Syst., 1987, 23(3):325-331
    [15] 聂文锋, 胡伍生, 潘树国, 等.利用GPS双频数据进行区域电离层TEC提取[J].武汉大学学报·信息科学版, 2014, 39(9):1022-1027 http://ch.whu.edu.cn/CN/abstract/abstract3064.shtml

    Nie Wenfeng, Hu Wusheng, Pan Shuguo, et al. Exreaction of Regional Ionospheric TEC from GPS Dual Observation[J]. Geomatics and Information Science of Wuhan University, 2014, 39(9):1022-1027 http://ch.whu.edu.cn/CN/abstract/abstract3064.shtml
    [16] 聂兆生, 祝芙英, 付宁波. Kalman滤波在地震电离层TEC异常探测中的应用[J].大地测量与地球动力学, 2011, 31(3):47-50 https://www.wenkuxiazai.com/doc/fb44b28e8762caaedd33d4d0.html

    Nie Zhaosheng, Zhu Fuying, Fu Ningbo. Application of Kalman Filtering in Detecting Ionospheric TEC Anomaly Prior to Earthquake[J]. Journal of Geodesy and Geodynamics, 2011, 31(3):47-50 https://www.wenkuxiazai.com/doc/fb44b28e8762caaedd33d4d0.html
  • [1] 李涌涛, 李建文, 魏绒绒, 师一帅, 张硕, 车通宇.  全球电离层TEC格网时空变化特性分析 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 776-783. doi: 10.13203/j.whugis20180431
    [2] 赵齐乐, 杨超, 耿涛, 马福建, 张强.  NTCM广播电离层模型性能评估 . 武汉大学学报 ● 信息科学版, 2019, 44(5): 655-660. doi: 10.13203/j.whugis20170348
    [3] 刘立龙, 陈雨田, 黎峻宇, 田祥雨, 贺朝双.  活跃期区域电离层总电子短期预报及适用性分析 . 武汉大学学报 ● 信息科学版, 2019, 44(12): 1757-1764. doi: 10.13203/j.whugis20180145
    [4] 黄玲, 章红平, 徐培亮, 王成, 刘经南.  中国区域VTEC模型Kriging算法研究 . 武汉大学学报 ● 信息科学版, 2016, 41(6): 729-737. doi: 10.13203/j.whugis20140503
    [5] 张强, 赵齐乐, 章红平, 胡志刚, 伍岳.  北斗卫星导航系统Klobuchar模型精度评估 . 武汉大学学报 ● 信息科学版, 2014, 39(2): 142-146. doi: 10.13203/j.whugis20120716
    [6] 谢益炳, 伍吉仓, 陈俊平, 刘伟洲.  GPS和GLONASS组合的全球实测电离层TEC建模 . 武汉大学学报 ● 信息科学版, 2014, 39(8): 930-934. doi: 10.13203/j.whugis20130128
    [7] 裴媛媛, 廖明生, 王寒梅.  时间序列SAR影像监测堤坝形变研究 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 266-269.
    [8] 魏二虎, 李智强, 龚光裕, 张帅.  极移时间序列模型的拟合与预测 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1420-1424.
    [9] 汤俊, 姚宜斌, 陈鹏, 张顺.  利用EMD方法改进电离层TEC预报模型 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 408-411.
    [10] 金涛勇, 胡敏章, 蒋涛, 张守建.  卫星测高资料的电离层延迟改正交叉检验与误差分析 . 武汉大学学报 ● 信息科学版, 2012, 37(6): 658-661.
    [11] 刘志平, 赵自强, 郭广礼.  电离层总电子含量时空特征分析及分区建模 . 武汉大学学报 ● 信息科学版, 2012, 37(11): 1360-1363.
    [12] 陈鹏, 姚宜斌, 吴寒.  利用时间序列分析预报电离层TEC . 武汉大学学报 ● 信息科学版, 2011, 36(3): 267-270.
    [13] 归庆明, 李涛, 衡广辉.  时间序列异常值探测的Bayes方法及其在电离层VTEC数据处理中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 802-806.
    [14] 刘经南, 赵莹, 张小红.  GNSS无线电掩星电离层反演技术现状与展望 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 631-635.
    [15] 宋伟伟, 施闯, 姚宜斌, 叶世榕.  单频精密单点定位电离层改正方法和定位精度研究 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 778-781.
    [16] 林剑, 吴云, 祝芙英.  震前电离层TEC异常扰动的研究 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 975-978.
    [17] 章红平, 施闯, 唐卫明.  地基GPS区域电离层多项式模型与硬件延迟统一解算分析 . 武汉大学学报 ● 信息科学版, 2008, 33(8): 805-809.
    [18] 孟泱, 王泽民, 鄂栋臣.  基于GPS数据的地震前电离层TEC异常研究 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 81-84.
    [19] 蔡昌盛, 高井祥, 李征航.  利用GPS监测电离层总电子含量的季节性变化 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 451-453.
    [20] 徐培亮.  应用时间序列方法作大坝变形预报 . 武汉大学学报 ● 信息科学版, 1988, 13(3): 23-31.
  • 加载中
图(2) / 表(2)
计量
  • 文章访问数:  1304
  • HTML全文浏览量:  102
  • PDF下载量:  350
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-09-20
  • 刊出日期:  2018-04-05

基于Holt指数平滑模型的Klobuchar模型精化

doi: 10.13203/j.whugis20150751
    基金项目:

    国家自然科学基金 41664002

    国家自然科学基金 41704027

    广西自然科学基金 2017GXNSFBA198139

    广西自然科学基金 2017GXNSFDA198016

    广西空间信息与测绘重点实验室 16-380-25-01

    广西空间信息与测绘重点实验室 15-140-07-19

    作者简介:

    刘立龙, 博士, 教授, 研究方向为GNSS空间环境。hn_liulilong@163.com

    通讯作者: 黄良珂, 硕士, 讲师。lkhuang666@163.com
  • 中图分类号: P228

摘要: 利用IGS(International GNSS Service)中心提供的中、低纬度地区平静期、活跃期观测数据,通过Klobuchar模型与双频观测模型解算电离层总电子含量(total electron content,TEC)值。采用Holt指数平滑模型对每个历元前6 d两种模型差值进行1 d预测,利用预测所得差值对Klobuchar模型第7 d的TEC值进行改进。实验结果表明,无论在电离层活跃期还是平静期,改进模型改正效果比基本模型有显著提升,改进模型能更好地反映电离层变化特性,尤其是夜间电离层变化特性。

English Abstract

刘立龙, 陈军, 黄良珂, 吴丕团, 秦旭元, 蔡成辉. 基于Holt指数平滑模型的Klobuchar模型精化[J]. 武汉大学学报 ● 信息科学版, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
引用本文: 刘立龙, 陈军, 黄良珂, 吴丕团, 秦旭元, 蔡成辉. 基于Holt指数平滑模型的Klobuchar模型精化[J]. 武汉大学学报 ● 信息科学版, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
LIU Lilong, CHEN Jun, HUANG Liangke, WU Pituan, QIN Xuyuan, CAI Chenghui. A Sophisticated Klobuchar Model Based on the Holt Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
Citation: LIU Lilong, CHEN Jun, HUANG Liangke, WU Pituan, QIN Xuyuan, CAI Chenghui. A Sophisticated Klobuchar Model Based on the Holt Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2018, 43(4): 599-604. doi: 10.13203/j.whugis20150751
  • 电离层延迟是GNSS定位的主要误差来源,会对定位产生几米到几十米的定位误差[1],严重制约了单频接收机的定位精度。如何合理、准确地模拟和预报电离层延迟,尤其在低纬度地区,已成为研究电离层的一个重要课题[2-3]。目前,单频接收机通常采用Klobuchar模型[4]、IRI模型[5]、NeQuick模型[6]等对电离层延迟进行改正。其中,Klobuchar模型因计算简单方便在单频接收机中得到广泛应用,但电离层延迟改正率仅能达到50%~60%且无法反映夜间电离层变化规律[7]。许多学者从不同方面对Klobuchar模型进行改进[8-10]。文献[8]将模型8参数扩展为14参数并对模型初始相位引入纬度改正,在中国地区取得较好效果。文献[9]通过采用非线性迭代引入振幅改正参数的方法建立适用于小区域的模型,使模型值更接近“真实值”。国内外大部分研究成果虽然从各方面对模型进行改进并取得较好的改正效果,但仍存在对电离层整体改正率不高,不能很好地反映夜间电离层变化特性等不足。

    指数平滑法是预测时间序列的常用方法之一,能对趋势数据直接进行平滑处理,对原时间序列进行预测,已广泛应用于各领域[11-13],并取得较好的效果。本文利用Holt指数平滑模型[13]的特点,对Klobuchar模型进行改进,并采用双频观测模型对改进效果进行评估。

    • Holt指数平滑模型[13]由Holt于1957年提出,其基本思想是:假定所有已知数据对预测数据均有影响,但近期数据对预测值影响较大,远期数据对预测值影响较小,且影响力随时间的推移呈几何级数变化。无季节模型表达式为:

      $$ \left\{ \begin{array}{l} {S_t} = \alpha {X_t} + \left( {1-\alpha } \right)\left( {{S_{t-1}}-{b_{t - 1}}} \right)\\ {b_t} = \beta \left( {{S_t} - {S_{t - 1}}} \right) + \left( {1 - \beta } \right){b_{t - 1}}\\ {F_{t + m}} = {S_t} + m{b_t} \end{array} \right. $$ (1)

      式中,Stt时刻的稳定成分;Xtt时刻的观测值;btt时刻的趋势成分;αβ∈[0, 1]为平滑参数;Ft+mm期的预测值;m为预测期数。

    • Klobuchar模型[14]自1987年发布以后,因计算简单方便而广泛应用于单频接收机中:

      $$ {I_2}\left( t \right) = \left\{ \begin{array}{l} {A_1} + {A_2}\cos \left[{\frac{{2{\rm{ \mathit{ π} }}}}{{{A_4}}}\left( {t-{A_3}} \right)} \right], \left| {t -{A_3}} \right| < \frac{{{A_4}}}{4}\\ {A_1}, t{\rm{为其他值}} \end{array} \right. $$ (2)

      式中各参数意义参见文献[14]。

    • 本文利用IGS中心提供的数据通过Klobuchar模型与双频观测模型[15]分别解算前6 d电离层总电子含量(total electron content, TEC)值。采用Holt无季节模型对各历元前6 d两种模型差值进行1 d预测,利用预测所得差值对Klobuchar模型第7 d的TEC值进行改进:

      $$ \begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;I{'_2}\left( t \right) = \\ \left\{ \begin{array}{l} {A_1} + {A_2}\cos \left[{\frac{{2{\rm{ \mathit{ π} }}}}{{{A_4}}}\left( {t-{A_3}} \right)} \right] + {\mathit{\Delta }_r}, \left| {t -{A_3}} \right| < \frac{{{A_4}}}{4}\\ {A_1} + {\mathit{\Delta }_r}, t{\rm{为其他值}} \end{array} \right. \end{array} $$ (3)

      式中,Δr为采用无季节模型预测所得第7 d差值; 其他各参数含义参照Klobuchar模型。

    • Klobuchar模型主要应用于中、低纬度地区,在中纬度地区改正效果优于低纬度地区,分别选取IGS中心提供的2013年年积日63~69、2010年年积日147~153低纬度(Pimo站、Guam站)和中纬度(Crao站、Chan站)作为活跃期和平静期数据。根据本文§1.3建立改进模型,利用双频观测模型对电离层延迟改正效果能够达到95%的特点[15],将双频观测模型解算所得的TEC值作为真值,把改进模型值与双频观测模型值进行比较。采用基本模型与改进模型相对于双频观测模型的改正率(以下简称改正率)P和均方根误差RMSE来评定模型效果:

      $$ \left\{ \begin{array}{l} {P_{{i_j}}} = 1-\frac{{\left| {{K_{ij}}-{D_j}} \right|}}{{{D_j}}} \times 100\%, i = 1\;{\rm{或}}\;{\rm{2}}\\ {\rm{RMS}}{{\rm{E}}_{{i_t}}} = \sqrt {\frac{{\sum\limits_{j = n}^m {{{\left( {{K_{ij}}-{D_j}} \right)}^2}} }}{{m - n}}}, i = 1\;{\rm{或}}\;{\rm{2}} \end{array} \right. $$ (4)

      式中,i=1表示基本模型;i=2表示改进模型;Kij表示第j个历元的Klobuchar模型值;Dj表示第j个历元的双频观测模型值;|Ki-Dj |表示第j个历元的两种模型差值的绝对值;n表示时段的起始历元;m表示时段的结束历元。

    • 图 1为活跃期不同纬度基本模型、改进模型同双频观测模型的对比图,图 2为平静期不同纬度基本模型、改进模型同双频观测模型的对比图。图 1~2中,UTC表示世界时;VTEC表示天顶电离层总电子含量。

      图  1  活跃期低纬度与中纬度3种模型对比

      Figure 1.  Comparison of Three Model in Ionospheric Active Period over Low-Latitude and Mid-Latitude Areas

      图  2  平静期低纬度与中纬度3种模型对比

      Figure 2.  Comparison of Three Model in Ionospheric Quiet Period over Low-Latitude and Mid-Latitude Areas

      图 1图 2可以看出,在电离层活跃期和平静期,改进模型与双频观测模型在低、中纬度均符合较好,说明改进模型能较好地反映电离层变化特性,特别是夜间电离层变化特性。在大多数情况下,改进模型与双频观测模型的差值在3 TECu以内,与双频观测模型精度相当,且两种模型差值随纬度的增加而减小。特别在低纬度地区,两种模型差值要明显高于中纬度地区。平静期改进模型的改正效果略低于活跃期,但总体上仍有较大的改善。

      表 1表 2分别给出了1 d 6个时段(每个时段4 h)活跃期、平静期基本模型与改进模型精度统计情况。表中改正率在前,均方根误差(RMSE)在后, 以“改正率/RMSE”形式表现。

      表 1  活跃期不同时段基本模型与改进模型改正率和RMSE统计表

      Table 1.  Statistics of Relative Accuracy and RMSE Between Basic Model and Improved Model in Ionospheric Active Period

      站名 模型 [0, 4] [4, 8] [8, 12] [12, 16] [16, 20] [20, 24]
      Pimo 基本 81.74%/7.18 82.34%/8.59 84.19%/7.39 64.02%/7.56 59.84%/4.83 50.55%/4.70
      改进 97.52%/0.93 96.32%/1.83 90.43%/3.74 88.25%/2.46 79.55%/2.28 93.62%/0.33
      Guam 基本 73.98%/12.53 77.87%/11.63 78.47%/7.80 46.96%/11.86 57.71%/4.65 78.22%/5.33
      改进 98.37%/0.87 97.45%/1.36 82.87%/5.67 92.01%/2.37 94.87%/0.41 89.37%/1.94
      Crao 基本 -63.50%/5.69 66.31%/2.55 42.29%/9.56 43.71%/9.02 31.37%/5.14 -83.73%/5.95
      改进 87.14%/0.55 89.62%/1.14 91.19%/1.45 96.23%/0.72 91.95%/0.61 82.79%/0.57
      Chan 基本 62.83%/9.24 95.43%/1.62 84.32%/2.36 92.71%/0.76 92.26%/0.81 69.56%/3.48
      改进 91.80%/2.05 93.43%/1.88 91.16%/1.37 92.51%/0.74 86.97%/1.23 88.66%/1.81

      表 2  平静期不同时段基本模型与改进模型改正率和RMSE统计表

      Table 2.  Statistics of Relative Accuracy and RMSE Between Basic Model and Improved Model in Ionospheric Quiet Period

      站名 模型 [0, 4] [4, 8] [8, 12] [12, 16] [16, 20] [20, 24]
      Pimo 基本 86.30%/2.36 72.07%/4.95 69.22%/3.97 -160.64%/4.26 21.33%/6.58 -19.97%/4.70
      改进 76.90%/3.34 83.78%/2.98 83.83%/2.09 46.57%/2.92 61.54%/1.20 78.05%/1.90
      Guam 基本 92.98%/1.52 94.06%/1.79 84.38%/0.95 43.99%/0.83 -37.09% /0.47 73.73%/1.29
      改进 98.59%/0.55 92.02%/1.14 92.30%/1.45 89.76%/0.72 88.57%/0.62 89.28%/0.57
      Crao 基本 -221.59%/6.94 -35.77%/5.64 -87.48%/9.83 0.51%/7.95 77.96%/6.61 -287.77%/7.31
      改进 93.39%/0.16 92.24% /0.44 93.82%/0.38 88.59%/0.93 86.07%/0.72 84.96%/0.34
      Chan 基本 77.70%/2.38 80.09%/2.51 46.95%/4.44 92.24%/0.79 23.46%/3.94 73.61%/2.94
      改进 90.08%/1.03 95.45%/0.63 69.25%/2.52 90.08%/1.02 84.69%/0.96 86.19%/1.81

      表 1~2可以看出,活跃期与平静期的改进模型改正率比基本模型均有显著提升。在活跃期,低纬度地区改进模型日间的改正率比基本模型提高约15%,RMSE提高约6 TECu,夜间的改正率提高约30%,RMSE提高约5 TECu;中纬度地区改进模型日间的改正率比基本模型提高约20%,RMSE提高约3 TECu,夜间的改正率提高约70%,RMSE提高约4 TECu。在平静期,低纬度地区改进模型日间的改正率比基本模型提高约2%,RMSE提高约1 TECu,夜间的改正率提高约65%,RMSE提高约3.5 TECu;中纬度地区改进模型日间的改正率比基本模型提高约70%,RMSE提高约4 TECu,夜间的改正率提高约80%,RMSE提高约4 TECu。

      结合表 1表 2可知,无论在活跃期还是平静期,大多数时段低纬度地区改进模型的改正率优于中纬度地区,但RMSE比中纬度地区高,出现这种情况是由于低纬度地区受太阳直射影响,测站VTEC值较大,导致即使两种模型差值较大,在低纬度地区模型改正率较高,RMSE较大。基本模型改正率在夜间普遍出现负值,是由于基本模型将夜间电离层延迟量设为常量,无法较好地反映电离层夜间变化特性。此外,低纬度地区Pimo站平静期0~4 h统计精度显著低于活跃期均值,可能是由于受2010年06月16日03:16:27 UTC巴布亚岛地震影响,在震前第14 d该时段电离层出现异常[16]

    • 本文利用IGS中心提供的中、低纬度地区活跃期、平静期数据,采用Holt指数平滑模型对每个历元前6 d Klobuchar模型和双频观测模型的TEC差值进行1 d预测,利用预测所得差值对第7 d Klobuchar模型TEC值进行改进,经实验分析发现,在电离层平静期和活跃期,改进模型在中、低纬度地区与双频观测模型均符合得较好,能很好地反映电离层变化特性,特别是夜间电离层变化特性。改进模型的改正率比基本模型有显著提升,中纬度地区改进模型的改正效果优于低纬度地区。日间改进模型的改正效果优于基本模型,夜间改进模型的改正效果比基本模型有显著提升。

      由于本文采用的数据有限,无法确定对其他区域的适用性,仍需采用更多的数据验证模型的适用性。

参考文献 (16)

目录

    /

    返回文章
    返回