基于遗传神经网络模型的超快速卫星钟差预报

发布时间：2021-11-19 03:42

　　全球定位系统（global positioning system,GPS）卫星钟差是影响精密单点定位（precise point positioning,PPP）的关键性因素。线性模型、二次多项式模型、灰色模型和国际GNSS服务组织（International Global Navigation Satellite System Service, IGS）超快速星历（IGS ultra-rapid,IGU）预报模型对于不同类型的卫星钟钟差具有相应的适用性。鉴于常用的单一预报模型存在不足,提出了一种针对超快速卫星实时钟差预报的模型——遗传算法（genetic algorithm,GA）优化的反向传播（back propagation, BP）神经网络组合模型（GA-BP模型）。选用灰色模型预测数据作为原始数据,分别采用BP神经网络模型以及GA-BP模型进行卫星钟差预报。经数据分析显示,GA-BP模型在不同时段的预报精度都有一定程度的提高。 

【文章来源】：测绘地理信息. 2020,45(06)

【文章页数】：5 页

【部分图文】：

不同预报模型在3个时段的均方根误差

图2中,X1,X2,…,Xn代表BP神经网络的输入值;Y1,Y2,…,Ym代表BP神经网络的预测值;Wij和Vjk为BP神经网络的权值。2.2 遗传算法

由以上灰色模型和BP神经网络模型预报钟差与IGS最终星历钟差值对比得到的预报误差(以11号卫星为例),如图3所示。4颗卫星钟差预报误差统计如表3所示。由表3可以看出,标准BP神经网络的预报精度在各个时段较灰色模型都有不同程度的提高,表明对GPS卫星钟差预报而言,利用BP神经网络对其建立的预报模型有实际的应用效果,也表明了BP神经网络对卫星钟差预报的可行性。但标准BP神经网络模型存在,结果容易陷入局部极值的问题,需要进一步的改进,在此基础之上提高BP网络预测的精度。

【参考文献】：
期刊论文
[1]基于IGU钟产品的钟差预报影响因素分析[J]. 宫晓春,吕志平,王宇谱,孙大双,王宁.  信息工程大学学报. 2016(03)
[2]实时GPS精密卫星钟差估计及实时精密单点定位[J]. 潘宗鹏,柴洪洲,董冰泉,刘鸣,王华润.  海洋测绘. 2015(05)
[3]两种GPS卫星钟差预报模型比较及精度分析[J]. 倚雷,熊永良,徐龙华.  测绘地理信息. 2013(02)
[4]神经网络在卫星钟差短期预报中的应用研究[J]. 郭承军,滕云龙.  测绘科学. 2011(04)
[5]基于修正线性组合模型的原子钟钟差预报[J]. 王继刚,胡永辉,何在民,武建锋,马红皎,王康.  天文学报. 2011(01)
[6]附有周期项的预报模型及其在GPS卫星钟差预报中的应用研究[J]. 郑作亚,党亚民,卢秀山,徐维梅.  天文学报. 2010(01)
[7]GPS Block IIR（M）星载原子钟钟差预报研究[J]. 戴伟,焦文海,李维鹏,贾小林.  大地测量与地球动力学. 2009(04)
[8]灰色系统模型在卫星钟差短期预报中的应用[J]. 李玮,程鹏飞,秘金钟.  测绘通报. 2009(06)
[9]灰色系统理论的优化方法及其在卫星钟差短期预报中的应用[J]. 路晓峰,贾小林,崔先强.  测绘工程. 2006(06)
[10]灰色系统模型在卫星钟差预报中的应用[J]. 崔先强,焦文海.  武汉大学学报(信息科学版). 2005(05)

硕士论文
[1]遗传算法优化的BP神经网络在降雨量预测中的应用[D]. 吕道禹.南昌工程学院 2015
[2]遗传算法优化的BP神经网络在股市预测中的应用[D]. 石磊.安徽大学 2011
[3]BP神经网络的算法改进及应用研究[D]. 孙娓娓.重庆大学 2009



本文编号：3504216