The satellite clocks carried on the BeiDou navigation System (BDS) are a self-manufactured hydrogen clock and improved rubidium clock, and their on-orbit performance and stabilities are not as efficient as GPS and Galileo satellite clocks caused of the orbital diversity of the BDS and the complexity of the space operating environment. Therefore, the existing BDS clock product cannot guarantee the high accuracy demand for precise point positioning in real-time scenes while the communication link is interrupted. To deal with this problem, we proposed a deep learning-based approach for BDS short-term satellite clock offset modeling which utilizes the superiority of Long Short-Term Memory (LSTM) derived from Recurrent Neural Networks (RNN) in time series modeling, and we call it QPLSTM. The ultrarapid predicted clock products provided by IGS (IGU-P) and four widely used prediction methods (the linear polynomial, quadratic polynomial, gray system (GM (1,1)), and Autoregressive Integrated Moving Average (ARIMA) model) are selected to compare with the QPLSTM. The results show that the prediction residual is lower than clock products of IGU-P during 6-hour forecasting and the QPLSM shows a greater performance than the mentioned four models. The average prediction accuracy has improved by approximately 79.6, 69.2, 80.4, and 77.1% and 68.3, 52.7, 66.5, and 69.8% during a 30 min and 1-hour forecasting. Thus, the QPLSTM can be considered as a new approach to acquire high-precision satellite clock offset prediction.

中文翻译：

---

一种新的北斗卫星时钟偏移长短期记忆预测算法

北斗导航系统（BDS）搭载的卫星钟为自制氢钟和改进型铷钟，在轨性能和稳定性不如GPS和伽利略卫星钟，原因是北斗导航系统的轨道多样性以及空间运行环境的复杂性。因此，现有的北斗时钟产品无法在通信链路中断的情况下，保证实时场景中精确点定位的高精度需求。为了解决这个问题，我们提出了一种基于深度学习的 BDS 短期卫星时钟偏移建模方法，该方法利用了来自循环神经网络 (RNN) 的长短期记忆 (LSTM) 在时间序列建模中的优势，并且我们称之为 QPLSTM。选用IGS提供的超高速预测时钟产品（IGU-P）和四种广泛使用的预测方法（线性多项式、二次多项式、灰色系统（GM(1,1)）、自回归积分移动平均（ARIMA）模型）与 QPLSTM 进行比较。结果表明，在 6 小时预测中，预测残差低于 IGU-P 的时钟产品，QPLSM 表现出优于上述四种模型的性能。在 30 分钟和 1 小时的预测期间，平均预测准确度提高了大约 79.6、69.2、80.4 和 77.1% 以及 68.3、52.7、66.5 和 69.8%。因此，QPLSTM 可以被认为是一种获取高精度卫星时钟偏移预​​测的新方法。和自回归综合移动平均 (ARIMA) 模型）与 QPLSTM 进行比较。结果表明，在 6 小时预测中，预测残差低于 IGU-P 的时钟产品，QPLSM 表现出优于上述四种模型的性能。在 30 分钟和 1 小时的预测期间，平均预测准确度提高了大约 79.6、69.2、80.4 和 77.1% 以及 68.3、52.7、66.5 和 69.8%。因此，QPLSTM 可以被认为是一种获取高精度卫星时钟偏移预​​测的新方法。和自回归综合移动平均 (ARIMA) 模型）与 QPLSTM 进行比较。结果表明，在 6 小时预测中，预测残差低于 IGU-P 的时钟产品，QPLSM 表现出优于上述四种模型的性能。在 30 分钟和 1 小时的预测期间，平均预测准确度提高了大约 79.6、69.2、80.4 和 77.1% 以及 68.3、52.7、66.5 和 69.8%。因此，QPLSTM 可以被认为是一种获取高精度卫星时钟偏移预​​测的新方法。在 30 分钟和 1 小时的预测期间，平均预测准确度提高了大约 79.6、69.2、80.4 和 77.1% 以及 68.3、52.7、66.5 和 69.8%。因此，QPLSTM 可以被认为是一种获取高精度卫星时钟偏移预​​测的新方法。在 30 分钟和 1 小时的预测期间，平均预测准确度提高了大约 79.6、69.2、80.4 和 77.1% 以及 68.3、52.7、66.5 和 69.8%。因此，QPLSTM 可以被认为是一种获取高精度卫星时钟偏移预​​测的新方法。