基于GM(1,1)与BP神经网络的卫星钟差预报

摘要

cqvip:针对单一钟差预报模型的局限性,提出了一种基于GM(1,1)与BP神经网络组合的GPS卫星钟差预报方法。该方法首先用GM(1,1)对钟差进行建模预报,然后利用BP神经网络对GM(1,1)的预报残差建模,并进行外推预报,将GM(1,1)的钟差后续预报值与BP神经网络的残差预报值对应相加可得最终的钟差预报结果。用IGS提供的精密钟差数据进行试验,并与单一灰色模型进行了对比,结果显示,组合模型对未来6 h、12 h、18 h和24 h的钟差序列分别预报,平均预报精度分别为0.36 ns、0.41 ns、0.59 ns和0.84 ns,相比单一灰色模型分别提高了0.15 ns、0.17 ns、1.27 ns和2.54 ns,表明组合模型可有效地预报卫星钟差。