基于多种深度学习算法对卫星钟差预报的效果分析与对比研究 |
| |
引用本文: | 卢玉皖,郑礼全,胡超.基于多种深度学习算法对卫星钟差预报的效果分析与对比研究[J].全球定位系统,2023(5):46-55+91. |
| |
作者姓名: | 卢玉皖 郑礼全 胡超 |
| |
作者单位: | 1. 安徽理工大学空间信息与测绘工程学院;2. 安徽理工大学矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室;3. 安徽理工大学矿区环境与灾害协同监测煤炭行业工程研究中心 |
| |
基金项目: | 安徽省自然科学基金(2108085QD173);;安徽省教育厅自然科学项目(KJ2020A0310); |
| |
摘 要: | 针对卫星钟差预报模型的普遍适用性低,以及预报模型中星载原子钟类型和建模特点结合不充分等问题,提出了四种适用于非线性处理的神经网络模型来预报卫星钟差.首先对钟差数据进行预处理;然后通过基于萤火虫算法(firefly algorithm, FA)优化反向传播(back propagation,BP)神经网络(FA-BP neural networks,FA-BPNN)模型、Elman循环神经网络模型、径向基函数(radial basis function,RBF)神经网络模型以及基于卷积神经网络-长短期记忆(convolutional neural networks-long short term memory,CNN-LSTM)网络模型对1 d和7 d的钟差数据量建立模型;再采用武汉大学国际GNSS服务(International GNSS Service,IGS)数据分析中心(WHU)的GPS精密钟差数据进行钟差预报;最后从不同建模数据量及不同批次卫星的同一类型原子钟和不同批次卫星的不同类型原子钟的角度,将预报效果进行分析与对比.结果表明:1)四种模型在建模特点上,1 d的钟差数据量建...
|
关 键 词: | GPS 卫星钟差 深度学习 神经网络模型 卫星钟差预报 |
|
|