利用结构自适应极端学习机预报导航卫星钟差

被引：10

作者：

雷雨 ^{[1
,2
,3
]}

赵丹宁 ^{[1
,3
]}

蔡宏兵 ^{[1
,2
]}

机构：

[1] 中国科学院国家授时中心

[2] 中国科学院时间频率基准重点实验室

[3] 中国科学院大学

来源：

武汉大学学报(信息科学版) | 2018年 / 43卷 / 05期

关键词：

卫星钟差; 预报; 自适应共振理论网络; 极端学习机; 结构设计;

D O I：

10.13203/j.whugis20150252

中图分类号：

P228.4 [全球定位系统（GPS）];

学科分类号：

081105 ; 0818 ; 081802 ;

摘要：

针对卫星钟差难以用精确模型来进行预报的问题,将极端学习机(extreme learning machine,ELM)神经网络用于导航卫星钟差预报。针对ELM网络隐层结构难以确定的问题,提出了基于自适应共振理论(adaptive resonance theory,ART)网络思想的ELM网络结构设计算法。该算法将ART网络的聚类特性用于ELM网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,自适应地确定隐层节点规模。使用GPS卫星钟差数据进行30d的预报实验,结果表明,此方法的钟差预报精度明显优于二次多项式模型和灰色系统模型。

引用

页码：664 / 668+718 +718

页数：6

共 8 条

[1] 一种卫星钟差异常实时监测算法 [J].