基于LR-KF-LSTM模型的差分码偏差预测分析

来源：大地测量与地球动力学杂志2025年第9期北京时间：

作者：廖思明, 尚俊娜, 苏明坤

单位：1 杭州电子科技大学通信工程学院，杭州市白杨街道2号大街1158号，310018

摘要：差分码偏差(DCB)的存在会影响电离层总电子含量(TEC)计算的精度和伪距观测精度，从而影响导航定位授时和气象研究的结果。为了准确估算DCB，分析了2021—2022年中国科学院给出的全球定位系统(GPS)频间DCB数据的时序变化，提出一种LR-KF-LSTM组合模型对DCB进行准确预测并对预测结果进行分析。实验结果表明，该方法的预测结果的平均绝对百分比误差小于1.9%，平均绝对误差小于0.03 ns，均方根误差小于0.04 ns。与LSTM模型、BP神经网络模型及中国科学院(CAS)产品DCB值的对比显示，在不同太阳活动状态和不同磁场状态下，该组合模型预测性能均较优。该组合网络模型可以对卫星DCB进行有效预测，还能为解决CAS产品DCB数据存在的单日或多日缺失问题提供参考。

关键词：差分码偏差,长短期记忆神经网络,卡尔曼滤波,线性回归,导航定位

基金资助：浙江省教育厅科研项目(Y202455360)