广义回归神经网络在卫星钟差短期预报中的应用

• 作者: 赵丹宁 雷雨
• 来源期刊: 宇航计测技术
• 学科: 工学
• 关键词: 广义回归神经网络 二次多项式 钟差预报 交叉验证 滑动窗
• 年，卷（期）: 2013,（4）
• 页码范围: 39-44
• 页数: 6页
• 分类号: TM935
• 字数: 5215字
• 语种: 中文

摘要

近年来,神经网络(Neural Network,简称NN)在非线性系统的预测方面取得了广泛的应用.考虑到卫星钟差包含了复杂的非线性因素,所以将一种新型神经网络-广义回归神经网络(Generalized Regression Neural Network,GRNN)应用于钟差预报中.采用“滑动窗”方式构建样本数据以提高数据利用率,为提高网络的泛化能力,利用K重交叉验证法(K-fold Cross-Validation)对网络进行训练学习,并根据最小均方根误差(Root Mean Square Error,RMSE)确定最优平滑因子.利用国际GNSS服务(International GNSS Service,IGS)公布的精密GPS卫星钟差数据进行预报实验,并与传统二次多项式模型对比分析.结果表明:GRNN模型在24h的预报跨度内的误差可达ns级,并较多项式模型有更好的稳定性；对于线性钟差,GRNN模型要逊于多项式模型,而对于非线性钟差,GRNN模型则明显优于多项式模型,初步验证了GRNN用于钟差预报的可行性、有效性以及实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷雨	中国科学院国家授时中心	44	234	9.0	12.0
10	赵丹宁	中国科学院国家授时中心	25	136	7.0	10.0