北斗卫星轨道预报方法分析

摘要

针对动力学模型预报轨道误差随弧长增加而发散的问题,用深度学习长短期记忆神经网络模型对预报误差进行补偿,且对LSTM模型逐点迭代产生的误差积累问题,提出了总体经验模态分解和LSTM模型组合的EEMD-LSTM预报模型。采用LSTM模型补偿GEO、IGSO和MEO轨道误差较BP神经网络更能完备地学习误差特性,在短、中和长期预报中,两者均方根误差差值随预报弧长增大而增大,同时误差平均改进率(Imp)也明显提高,30 d内预报中增大的(Imp)高达28.6%。且EEMD-LSTM模型较好地抑制LSTM模型误差累积,在中长期的预报中RMSE和(Imp)的差值再变化,前者高达到21.13 m,后者高达到4.24%。EEMD-LSTM组合模型补偿功能的实现对未来GNSS卫星轨道预报方法研究提供了一种参考。