全球定位系統(tǒng)（global positioning system,GPS）衛(wèi)星鐘差是影響精密單點定位（precise point positioning,PPP）的關鍵性因素。線性模型、二次多項式模型、灰色模型和國際GNSS服務組織（International Global Navigation Satellite System Service, IGS）超快速星歷（IGS ultra-rapid,IGU）預報模型對于不同類型的衛(wèi)星鐘鐘差具有相應的適用性。鑒于常用的單一預報模型存在不足,提出了一種針對超快速衛(wèi)星實時鐘差預報的模型——遺傳算法（genetic algorithm,GA）優(yōu)化的反向傳播（back propagation, BP）神經網絡組合模型（GA-BP模型）。選用灰色模型預測數據作為原始數據,分別采用BP神經網絡模型以及GA-BP模型進行衛(wèi)星鐘差預報。經數據分析顯示,GA-BP模型在不同時段的預報精度都有一定程度的提高。 

【文章來源】：測繪地理信息. 2020,45(06)

【文章頁數】：5 頁

【部分圖文】：

不同預報模型在3個時段的均方根誤差

圖2中,X1,X2,…,Xn代表BP神經網絡的輸入值;Y1,Y2,…,Ym代表BP神經網絡的預測值;Wij和Vjk為BP神經網絡的權值。2.2 遺傳算法

由以上灰色模型和BP神經網絡模型預報鐘差與IGS最終星歷鐘差值對比得到的預報誤差(以11號衛(wèi)星為例),如圖3所示。4顆衛(wèi)星鐘差預報誤差統(tǒng)計如表3所示。由表3可以看出,標準BP神經網絡的預報精度在各個時段較灰色模型都有不同程度的提高,表明對GPS衛(wèi)星鐘差預報而言,利用BP神經網絡對其建立的預報模型有實際的應用效果,也表明了BP神經網絡對衛(wèi)星鐘差預報的可行性。但標準BP神經網絡模型存在,結果容易陷入局部極值的問題,需要進一步的改進,在此基礎之上提高BP網絡預測的精度。

【參考文獻】：
期刊論文
[1]基于IGU鐘產品的鐘差預報影響因素分析[J]. 宮曉春,呂志平,王宇譜,孫大雙,王寧.  信息工程大學學報. 2016(03)
[2]實時GPS精密衛(wèi)星鐘差估計及實時精密單點定位[J]. 潘宗鵬,柴洪洲,董冰泉,劉鳴,王華潤.  海洋測繪. 2015(05)
[3]兩種GPS衛(wèi)星鐘差預報模型比較及精度分析[J]. 倚雷,熊永良,徐龍華.  測繪地理信息. 2013(02)
[4]神經網絡在衛(wèi)星鐘差短期預報中的應用研究[J]. 郭承軍,滕云龍.  測繪科學. 2011(04)
[5]基于修正線性組合模型的原子鐘鐘差預報[J]. 王繼剛,胡永輝,何在民,武建鋒,馬紅皎,王康.  天文學報. 2011(01)
[6]附有周期項的預報模型及其在GPS衛(wèi)星鐘差預報中的應用研究[J]. 鄭作亞,黨亞民,盧秀山,徐維梅.  天文學報. 2010(01)
[7]GPS Block IIR（M）星載原子鐘鐘差預報研究[J]. 戴偉,焦文海,李維鵬,賈小林.  大地測量與地球動力學. 2009(04)
[8]灰色系統(tǒng)模型在衛(wèi)星鐘差短期預報中的應用[J]. 李瑋,程鵬飛,秘金鐘.  測繪通報. 2009(06)
[9]灰色系統(tǒng)理論的優(yōu)化方法及其在衛(wèi)星鐘差短期預報中的應用[J]. 路曉峰,賈小林,崔先強.  測繪工程. 2006(06)
[10]灰色系統(tǒng)模型在衛(wèi)星鐘差預報中的應用[J]. 崔先強,焦文海.  武漢大學學報(信息科學版). 2005(05)

碩士論文
[1]遺傳算法優(yōu)化的BP神經網絡在降雨量預測中的應用[D]. 呂道禹.南昌工程學院 2015
[2]遺傳算法優(yōu)化的BP神經網絡在股市預測中的應用[D]. 石磊.安徽大學 2011
[3]BP神經網絡的算法改進及應用研究[D]. 孫娓娓.重慶大學 2009



本文編號：3504216