本文選題：鐘差預報 + 小波分解��； 參考：《桂林理工大學學報》2017年01期

【摘要】：星載原子鐘在空間環(huán)境中受到多種不確定因素的影響以及原子鐘本身所具有的復雜特性,導致衛(wèi)星鐘差呈現(xiàn)出非線性和非平穩(wěn)性變化。為此提出了一種新方法:先采用小波分解將原始鐘差序列分解成高頻分量和低頻分量,然后利用遺傳小波神經網絡對低頻分量和高頻分量分別進行預報,最后將各分量的預報結果進行疊加得到最終的預報值,并與灰色模型、最小二乘支持向量機和遺傳小波神經網絡的預報結果對比分析。結果表明:該方法預報精度較高,預報殘差更為平穩(wěn),應用于衛(wèi)星鐘差預報是可行有效的。
[Abstract]:The space-borne atomic clock is affected by many uncertain factors in the space environment and the complex characteristics of the atomic clock itself lead to the nonlinear and non-stationary variation of satellite clock difference. In this paper, a new method is proposed: firstly, the original clock difference sequence is decomposed into high frequency component and low frequency component by wavelet decomposition, and then the low frequency component and high frequency component are predicted by genetic wavelet neural network. Finally, the prediction results of each component are superimposed to obtain the final prediction value, and the prediction results are compared with those of grey model, least squares support vector machine and genetic wavelet neural network. The results show that the prediction accuracy of this method is higher and the prediction residual error is more stable. It is feasible and effective to apply this method to satellite clock error prediction.
【作者單位】： 桂林理工大學測繪地理信息學院;桂林理工大學廣西空間信息與測繪重點實驗室;
【基金】：國家自然科學基金項目(41461089) 廣西自然科學基金項目(2014GXNSFAA118288) 廣西空間信息與測繪重點實驗室基金項目(桂科能1207115-07;130511407)
【分類號】：P228

【相似文獻】

相關期刊論文 前7條

1 甄宗坤;林子曄;郇小龍;朱軍平;;利用粒子群算法的小波神經網絡探討[J];測繪科學;2013年03期

2 潘國榮;谷川;;變形監(jiān)測數(shù)據(jù)的小波神經網絡預測方法[J];大地測量與地球動力學;2007年04期

3 林子曄;甄宗坤;郇小龍;朱軍平;;基于粒子群算法的小波神經網絡應用與研究[J];現(xiàn)代測繪;2011年06期

4 宋海良;宋洋;鐘登華;鐘煒;;基于GIS的小波神經網絡庫區(qū)徑流預報模型研究[J];水力發(fā)電學報;2008年01期

5 王宇譜;呂志平;陳正生;黃令勇;;基于灰色模型與小波神經網絡的衛(wèi)星鐘差預報方法[J];大地測量與地球動力學;2014年03期

6 葉發(fā)學;袁圖杰;葉虎春;孫茂軍;;利用小波神經網絡的GPS高程轉換[J];測繪地理信息;2013年06期

7 ;[J];;年期

相關會議論文 前2條

1 張晶晶;程鵬飛;蔡艷輝;唐暢;;小波神經網絡修復周跳[A];第四屆中國衛(wèi)星導航學術年會論文集-S3精密定軌與精密定位[C];2013年

2 李超;王騰軍;;小波神經網絡在攔渣壩變形預測中的應用研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

相關碩士學位論文 前3條

1 但立;基于小波神經網絡的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學;2015年

2 岳榮花;小波神經網絡在沉降預測中的應用研究[D];河海大學;2007年

3 鄧勇;智能變形分析方法綜合研究[D];解放軍信息工程大學;2010年

，

本文編號：1859191