結(jié)合鐘差數(shù)據(jù)的特點,提出了一種基于變化率的T-S模糊神經(jīng)網(wǎng)絡(luò)（TSFNN）鐘差預(yù)報模型。首先計算相鄰歷元間鐘差的變化率值并對其進(jìn)行建模;然后利用TSFNN模型預(yù)報鐘差變化率值,再將預(yù)報的變化率值還原,得到鐘差預(yù)報值;最后,通過算例將本文所建模型與IGU-P產(chǎn)品、二次多項式模型（QP）及灰色模型（GM（1,1））進(jìn)行試驗對比。結(jié)果表明:在使用變化率方法后,TSFNN模型預(yù)報的精度和穩(wěn)定性分別提高了69.8%和76.3%,而且與IGU-P鐘差產(chǎn)品相比,預(yù)報的精度高出約10倍,同時模型預(yù)報的效果優(yōu)于兩種常用模型。因此,該模型可以實現(xiàn)衛(wèi)星鐘差較高精度的預(yù)報。 

【文章來源】：測繪學(xué)報. 2020,49(05)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

本文所設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)中,輸入節(jié)點數(shù)設(shè)為6,輸出節(jié)點數(shù)設(shè)為1,選擇設(shè)置7組系數(shù)p0～p6[27]。通過試驗嘗試,人為確定隸屬度函數(shù)的個數(shù)為12,誤差步長設(shè)為0.001,最大的訓(xùn)練進(jìn)化次數(shù)設(shè)為4000次,模型預(yù)報效果最好。至此,本文所要建立的TSFNN模型已經(jīng)確定。圖2給出了TSFNN模型鐘差預(yù)報學(xué)習(xí)訓(xùn)練的具體流程。3 算例與分析

從表2可以看出,使用變化率的方法可以明顯改善TSFNN模型對6種類型衛(wèi)星鐘鐘差預(yù)報的效果�？傮w上,在使用變化率方法后,TSFNN模型預(yù)報的精度和穩(wěn)定性分別提高了69.8%和76.3%。同時發(fā)現(xiàn),在使用變化率前后,TSFNN模型對BlockⅡR-M Rb鐘預(yù)報的效果最好,預(yù)報的精度和穩(wěn)定性均優(yōu)于其他類型衛(wèi)星鐘。對于BlockⅡA Rb衛(wèi)星鐘而言,未使用變化率方法時,預(yù)報的效果均劣于其他類型衛(wèi)星鐘,但在使用變化率方法后,預(yù)報的效果得到了顯著提高,預(yù)報的精度和穩(wěn)定性分別提高83.2%和92.1%,并且預(yù)報的精度和穩(wěn)定性優(yōu)于Block ⅡA Cs、Block ⅡF Cs及Block ⅡF Rb 3種類型衛(wèi)星鐘。從上述試驗結(jié)果可以看出,通過求相鄰歷元間變化率的建模方法,可以明顯地改善TSFNN模型預(yù)報鐘差的效果。3.2 算例2

【參考文獻(xiàn)】：
期刊論文
[1]一種基于熵權(quán)法的小波去噪復(fù)合評價指標(biāo)[J]. 王旭,王昶.  大地測量與地球動力學(xué). 2018(07)
[2]基于T-S模糊神經(jīng)網(wǎng)絡(luò)的變形預(yù)報研究[J]. 成樞,荊曉宇,李圳.  測繪工程. 2018(01)
[3]衛(wèi)星鐘差單差的小波神網(wǎng)絡(luò)預(yù)報[J]. 熊紅偉,程新文,張海濤,馬海榮.  測繪科學(xué). 2017(09)
[4]GA優(yōu)化TS-FNN的架空線路荷載風(fēng)險預(yù)測[J]. 倪良華,肖李俊,呂干云,湯智謙,朱天宇.  新型工業(yè)化. 2016(07)
[5]基于T-S模糊神經(jīng)網(wǎng)絡(luò)的濕法脫硫效率預(yù)測[J]. 李斌,鄧煜,邊禹銘,齊年哲.  熱力發(fā)電. 2016(06)
[6]一種新的鐘差預(yù)處理方法及在WNN鐘差中長期預(yù)報中的應(yīng)用[J]. 王宇譜,呂志平,陳正生,黃令勇,李林陽,宮曉春.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2016(03)
[7]基于T-S模糊模型的油田產(chǎn)油產(chǎn)液量預(yù)測[J]. 楊雁,王新鑫,賈堰林,賀英.  模糊系統(tǒng)與數(shù)學(xué). 2015(05)
[8]基于小波神經(jīng)網(wǎng)絡(luò)的GPS可降水量預(yù)測研究[J]. 葛玉輝,熊永良,陳志勝,陳宏斌,龍嘉露.  測繪科學(xué). 2015(09)
[9]基于一次差的灰色模型在衛(wèi)星鐘差預(yù)報中的應(yīng)用[J]. 梁月吉,任超,楊秀發(fā),龐光鋒,藍(lán)嵐.  天文學(xué)報. 2015(03)
[10]徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在GPS衛(wèi)星鐘差預(yù)報中的應(yīng)用[J]. 王國成,柳林濤,徐愛功,蘇曉慶,梁星輝.  測繪學(xué)報. 2014(08)



本文編號：3106470