LSTM钟差预测模型

精度提升超90%

通过消除频率长期趋势，使低轨卫星钟差预测精度较传统方法显著提升。

张蔚 · 张克科 · 李星星 · Huang, Jiande · 吴佳奇 · Yuan, Yongqiang

GPS Solutions 2025

参数信息

预测精度

0.106 ns

预测精度

0.360 ns

预测精度

0.931 ns

预测精度

1.157 ns

预测精度

1.500 ns

技术优势

精度大幅提升

相对传统谱分析模型，最大精度提升79.0%（GRACE-C）和63.2%（GRACE-D）。

优于传统模型

在全部测试的预测时长（10-120分钟）上，LSTM预测钟差均优于谱分析模型。

消除趋势项

二次多项式拟合消除频率长期趋势，使残差更适合LSTM训练。

应用场景

• 低轨卫星导航增强：为导航增强提供钟差先验信息，提升定位精度。
• 卫星时间同步：预测钟差用于星间时间同步，减少时钟误差。
• 星载原子钟建模：利用深度学习建立复杂时钟行为模型。
• 智能导航终端：提供超快速钟差预测，降低终端时钟依赖。
• 卫星自主运行：实现星上自主钟差维护，无需地面频繁上注。