覆盖100% · 包络收缩80%
该模型利用历史轨道和钟差数据训练LSTM神经网络，预测未来24小时广播星历误差，生成的SISA参数能完整包络实际SISRE且大幅降低过度包络。
Guo, Hu · 曹月玲 · Lei, Chen · 高为广 · Jianbing, Chen · 李浩军 · 周善石
Measurement Science and Technology 2025
LSTM学习历史轨道和钟差的时序规律，对广播星历误差的24小时预测精度优于0.06 m和0.25 m。
预测误差转换成的SISA能完全包络实际广播星历SISRE，覆盖率达到100%，避免漏警风险。
在完整包络的同时，过度包络幅度降低80%，更贴近真实服务精度。
水平保护级和垂直保护级降低约14%，满足ICAO APV-I的完好性要求。