Optimizing geodetic VLBI Simulation Parameters using Swarm Intelligence

Abstract

Mit Very Long Baseline Interferometry (VLBI) kann die Differenz der Ankunftszeit eines Signals gemessen werden, um geodätische Parameter wie die Erdorientierungsparameter zu bestimmen. Das empfangene Signal, das von extragalaktischen Quellen ausgesendet wird, ist sehr schwach, weshalb grosse Teleskope und eine hohe Samplingrate notwendig sind. Aus diesem Grund sind VLBI-Messungen zeitintensiv und teuer sowie Simulationen unumgänglich. Das Ziel der Simulationen ist es, Beobachtungen zu berechnen, welche der Realität möglichst nahekommen. Zu diesem Zweck müssen neben den Beobachtungen selbst auch die größten Fehlereinflüsse simuliert werden. Im Falle der VLBI sind das die troposphärische Verzögerung, der Uhrfehler sowie das Messrauschen. Zum Simulieren dieser Fehlereinflüsse werden Modelle verwendet, welche mittels Simulationsparametern angepasst werden können. Bislang werden für alle Messstationen dieselben Simulationsparameter angenommen. Diese Arbeit zeigt auf, wie mittels Schwarmintelligenz die Simulationsparameter von VLBI-Stationen verbessert werden können, um realistischere Simulationen zu erhalten. Dafür wird der Particle Swarm Optimizer untersucht und dessen Implementierung beschrieben. Er soll die Simulationsparameter bestmöglich an die Realität anpassen. Zusammen mit Beobachtungen der CONT17-Kampagne werden die optimierten Parameter in die Simulationssoftware VieSched++ eingelesen. Mittels eines Vergleiches der Ergebnisse basierend auf den simu- lierten Beobachtungen und jenen basierend auf den tatsächlichen Beobachtungen kann bestimmt werden, wie gut die Parameter die Realität abbilden. So kann festgestellt werden, dass mit diesem Verfahren für jede Messstation individuelle Simulationsparameter gefunden werden können. Es lässt sich aber auch aufzeigen, dass mithilfe des Particle Swarm Optimizers bessere Ergebnisse als mit den Standardwerten erzielt werden, wenn wie bis anhin für alle Stationen dieselben Parameter angenommen werden.