摘要：针对长短期记忆网络(LSTM)对利用动力学模型预报的北斗卫星导航系统(BDS)轨道预报误差值拟合效果不优的问题,设计一种互补集合经验模态分解与时间卷积网络结合(CEEMD-TCN)的BDS轨道误差预报算法。该算法首先采用互补集合经验模态分解(CEEMD),对BDS轨道预报误差序列进行降噪处理,接着对降噪后的信号进行重构,最后将重构得到的轨道误差序列作为数据训练集进行时间卷积网络(TCN)训练。以地球静止轨道(GEO)、倾斜地球同步轨道(IGSO)、中圆地球轨道(MEO)上的三颗卫星的轨道误差序列作为研究对象,分别采用CEEMD-TCN、TCN、CEEMD-LSTM、LSTM四种补偿模型对卫星轨道预报在X、Y、Z方向上的误差进行短、中长期预报。实验结果表明:CEEMD-TCN相较于其他三种方法对BDS轨道误差预报效果最好,且CEEMD-TCN与CEEMD-LSTM中长期预报效果分别优于对应的TCN和LSTM,说明对中长期轨道误差序列进行降噪处理有利于提高预报精度。