蔡宏兵
- 作品数：22 被引量：67H指数：5
- 供职机构：中国科学院国家授时中心更多>>
- 发文基金：国家自然科学基金中国科学院西部之光基金中国科学院“百人计划”更多>>
- 相关领域：天文地球机械工程自动化与计算机技术航空宇航科学技术更多>>
- 样本输入方式对极端学习机预报日长变化的影响被引量：4
- 2015年
- 针对极端学习机(Extreme Learning Machine,ELM)用于日长(Length-Of-Day,LOD)变化预报过程中,样本输入方式对预报结果的影响进行了研究。采用跨度、连续和迭代3种样本输入方式对日长变化进行预报。结果表明,不同的样本输入方式对预报结果有很大影响,样本按跨度输入的预报精度最低;样本采用连续输入方式在短期和中长期预报中预报精度较高,但计算速度较慢,较适合中长期预报;样本按迭代输入方式的短期预报精度稍优于连续输入方式,而中长期预报精度则不如连续输入方式,但具有较高的预报效率。这对于日长变化的实时快速预报有着较高的现实意义。
- 雷雨蔡宏兵赵丹宁
- 关键词：地球自转参数日长变化极端学习机
- 应用端部效应改善的LS+NN模型进行日长变化预报被引量：2
- 2016年
- 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。
- 雷雨蔡宏兵
- 关键词：日长变化端部效应
- 灰色系统模型在UT1–UTC超短期预报中的应用被引量：1
- 2016年
- 依据灰色系统理论和UT1–UTC的变化规律,以较少的观测样本建立了预报UT1–UTC的灰色系统模型,并将其与人工神经网络(artificial neural network,ANN)、最小二乘(least squares,LS)与自回归(autoregressive,AR)模型的组合(LS+AR)方法以及地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行对比.结果表明:灰色系统模型用于UT1–UTC预报是高效可行的,尤其是在1–10 d跨度的超短期预报中预报效果显著.
- 雷雨赵丹宁蔡宏兵
- 关键词：天体测量
- 脉冲星参数误差对计时残差的影响被引量：2
- 2013年
- 脉冲星计时残差是脉冲星脉冲观测到达时间与理论到达时间的差值。分析了使用Tempo2计时软件得到最小计时残差的拟合过程以及利用Tempo2模拟了PSR J0437-4715的计时数据,进一步分析了脉冲星参数误差对计时残差的影响及其影响趋势,该研究有助于提高脉冲星计时模型参数精度,建立更加准确的计时模型。
- 段茂成蔡宏兵赵成仕尹东山
- 关键词：脉冲星残差
- 基于相空间重构与高斯过程的卫星钟差预报被引量：2
- 2016年
- 提出了一种基于相空间重构与高斯过程预报卫星钟差的新方法。首先根据星载原子钟的物理特性用多项式进行拟合以提取钟差趋势项，并对拟合后的残差进行经验模态分解，作降噪处理；然后以降噪后的残差时间序列的混沌特性为基础，对其进行相空间重构；最后以重构的相空间为基础，运用高斯过程对残差时间序列进行建模预报，再将预报结果加上趋势项，获得最终的钟差预报值。采用IGS提供的GPS超快速观测钟差建模进行短期预报实验，结果表明，该方法能实时有效地对卫星钟差进行预报，且精度优于超快速预报钟差。
- 雷雨蔡宏兵赵丹宁
- 关键词：计量学卫星钟差预报高斯过程相空间重构经验模态分解
- e-VLBI技术及其在卫星定轨中的应用概况被引量：2
- 2012年
- e-VLBI技术继承了VLBI本身具有的极高角分辨率,且其利用高速通讯网络传送观测数据,能够快速得到观测结果,这些优点对于卫星的快速测定轨和提高卫星现有的定轨精度是十分有利的。通过对e-VLBI技术特点的分析及其发展历程的回顾,并结合卫星的差分VLBI观测原理,重点阐述和讨论了e-VLBI技术在我国的应用现状、发展及要求,展望了我国未来e-VLBI的发展前景。
- 张海荣蔡宏兵赵成仕
- 关键词：卫星定轨
- 考虑最小二乘拟合端部效应的UT1-UTC预报被引量：1
- 2019年
- 现有UT1-UTC预报模式在进行周期项与残差项拟合分离时,通常没有考虑最小二乘(LS)拟合序列的端部畸变现象(数据处理中称为端部效应),预报精度难以取得较大改善。针对LS拟合存在的端部畸变现象,首先采用时序分析方法在UT1-UTC序列两端进行数据延拓,形成一个新序列,然后用新序列求解LS外推模型系数,最后再联合LS模型及自回归模型对UT1-UTC序列进行预测。试验结果表明,在UT1-UTC序列端部增加延拓数据,可以有效地改善LS拟合序列出现的端部畸变现象;相对于常规LS模型,基于端部效应改善的LS(ECLS)模型的UT1-UTC短期预报精度没有提升,但在中长期预报中基于ECLS模型的预报精度有明显提升。
- 雷雨蔡宏兵高玉平
- 关键词：最小二乘端部效应
- 基于HHT和支持向量机的周跳探测与修复方法
- 本发明提供了一种基于HHT和支持向量机的周跳探测与修复方法，首先采用EMD算法对码相二次差时间序列进行多时间尺度分解，进而对分解得到的IMF分量作Hilbert变换；其次根据IMF分量的Hilbert幅值是否同时发生突变...
- 雷雨赵丹宁高玉平蔡宏兵
- 文献传递
- X射线毫秒脉冲星J0437-4715的多波段观测研究被引量：1
- 2012年
- 基于澳大利亚PARKES天文台射电数据和RXTE(Rossi X-ray Timing Explorer)中ASM(All Sky Monitor)的X射线数据对毫秒脉冲星J0437-4715进行两个波段的研究.对J0437-4715在射电波段的观测运用TEMPO2软件对不同终端系统的计时数据进行校准,提高了计时模型精度.用结构函数法,利用RXTE全天候扫描ASM的观测数据,对J0437-4715在X射线波段的光变进行中长期研究,发现它在X射线波段存在一个620 d的光变周期.
- 杨树启陈鼎蔡宏兵周建锋杜源杰
- 关键词：天体测量学脉冲星X射线
- 利用灰色关联极限学习机预报日长变化被引量：3
- 2015年
- 针对日长变化难以用精确模型进行预报的问题,将一种新型人工神经网络——极限学习机(extreme learning machine,ELM)用于日长变化预报中.首先针对时间序列预测问题中存在的嵌入维数选取和网络结构设计问题,提出一种基于灰色关联分析(grey relational analysis,GRA)的ELM算法(GRA-ELM),该算法将灰色关联分析输入节点选取嵌入到ELM网络的训练过程中,同时完成嵌入维数和隐层节点规模的确定.然后根据日长变化数据的特点对其进行预处理,建立一种能够高精度、近实时预报日长变化的GRA-ELM预报模型.最后将GRA-ELM模型的预报结果同标准ELM、反向传播神经网络、广义回归神经网络和地球定向参数预报比较竞赛的结果进行比较.结果表明,通过本方法得到的日长变化较其他方法在精度上有较大改善.
- 雷雨蔡宏兵赵丹宁
- 关键词：日长变化灰色关联分析极限学习机神经网络
