典型文献
基于粒子群算法优化Elman神经网络的GPS快速钟差预报方法
文献摘要：
为提升导航卫星原子钟快速钟差预报精度,提出了一种粒子群优化(PSO)算法改进的Elman神经网络钟差预报方法.首先,将动态递归类Elman神经网络引入钟差预报,通过PSO算法改进Elman神经网络的权值和阈值,以提升训练速度和预测精度;然后,将优化方法应用到钟差预报中,给出了利用该方法进行快速钟差预报的步骤;最后,与常用二次多项式模型(QPM)、灰色模型(GM)和超快速钟差产品IGU-P进行对比分析.结果表明:PSO-Elman模型对4颗不同类型的GPS卫星钟都能取得良好的预报精度与稳定度,其24 h平均预报精度和稳定度相对于QPM、GM、IGU-P产品分别提高了85.1％,74.2％,88.9％和71.3％,53.3％,28.3％.
文献关键词：
卫星原子钟;钟差预报;Elman神经网络;粒子群优化
中图分类号：
作者姓名：
梁益丰;许江宁;吴苗
作者机构：
海军工程大学 电气工程学院,武汉 430033
文献出处：
引用格式：
[1]梁益丰;许江宁;吴苗-.基于粒子群算法优化Elman神经网络的GPS快速钟差预报方法)[J].海军工程大学学报,2022(06):41-47
A类：
B类：
粒子群算法,算法优化,Elman,GPS,钟差预报,预报方法,导航卫星,卫星原子钟,预报精度,粒子群优化,PSO,算法改进,递归,权值,训练速度,二次多项式模型,QPM,灰色模型,GM,超快速,IGU,卫星钟,能取,稳定度
AB值：
0.264152
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
