基于遗传算法优化的卫星钟差预报模型研究

摘要

为了提高卫星钟差预报精度,使卫星钟差预报能更好地服务于卫星导航定位,本文提出了一种基于遗传算法(Genetic Algorithm,GA)优化的循环式组合钟差预报模型。该组合预报模型充分利用GA在反向传播(Back Propagation,BP)神经网络模型参数寻优中的优势,首先,通过GA优化的BP神经网络模型对原始钟差序列进行预报;其次,使用自回归(Auto Regressive,AR)模型对GA优化的BP神经网络模型预报残差进行修正;最后,将残差修正结果与GA优化的BP神经网络模型预报结果叠加,得到预报结果,并使用4种具有典型变化趋势的卫星钟差序列进行预报试验。结果表明,本文提出的GA BP AR模型的钟差预报性能优于对比预报模型,其6 h卫星钟差预报稳定度与精度较BP神经网络模型、AR模型、GA BP模型分别提高了76.24%、31.62%、26.50%和79.50%、44.59%、32.79%。