典型文献
基于长短时记忆神经网络(LSTM)的钟差预报算法
文献摘要：
原子钟钟差预报在原子时计算和原子钟频率驾驭中发挥着重要的作用.长短时记忆神经网络(LSTM)预报算法能够处理多参数长期依赖关系的时间序列预报,以氢钟和铯钟实测数据为样本,通过构建LSTM钟差预报模型,降低了长期原子钟内部噪声以及原子钟漂移对钟差预报的影响,并以72h,240h和720h为预报时长,分别与线性多项式模型、灰色模型和Kalman模型原子钟钟差预报模型进行预报误差对比.研究表明,在240h以上的预报时长中,LSTM建模长期依赖关系的优势得以体现,相较于其他3类模型可以获得更高的预报精度.
文献关键词：
钟差预报算法;时间尺度;长短时记忆神经网络
中图分类号：
作者姓名：
王锐;弓剑军;杜洪强;武文俊
作者机构：
中国科学院国家授时中心,西安710600;中国科学院大学,北京100049;中国科学院大学天文与空间科学学院,北京100049
文献出处：
引用格式：
[1]王锐;弓剑军;杜洪强;武文俊-.基于长短时记忆神经网络(LSTM)的钟差预报算法)[J].宇航计测技术,2022(05):57-62
A类：
钟差预报算法,线性多项式模型
B类：
长短时记忆神经网络,原子钟,原子时,时计,驾驭,多参数,依赖关系,氢钟,铯钟,预报模型,内部噪声,漂移,72h,240h,720h,报时,灰色模型,Kalman,预报误差,模长,预报精度,时间尺度
AB值：
0.270136
相似文献
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。
