一种基于改进型BP神经网络的氢原子钟钟差预测方法技术
【技术实现步骤摘要】
一种基于改进型BP神经网络的氢原子钟钟差预测方法
本专利技术涉及原子钟数据处理领域，特别涉及一种基于改进型BP(BackPropagation)神经网络的氢原子钟钟差预测方法。
技术介绍
钟差预测是指运用一种或多种算法通过对原子钟的历史钟差数据进行分析学习后，算出下一刻或下一段时间内的钟差数据。原子钟钟差预测是原子钟权重分配、预测原子钟的运行状态和对原子钟进行预调节、系统驾驭的重要依据。因此，精准的原子钟钟差预测对提高原子时时标精度和原子钟系统驾驭精度有着重要作用。目前，常用的钟差预测算法有一次线性回归预测算法、基于支持向量机(SVM)预测算法、小波神经网络预测算法、灰色模型和ARIMA模型的钟差预测算法、切比雪夫多项式模型预测算法等。但是，针对钟差的预测算法主要运用在卫星钟(铷原子钟)当中，用于优化导航电文的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息。而针对地面氢原子钟钟差的预测算法较少，主要有一次线性回归算法和基于支持向量机(SVM)预测算法。其中一次线性回归预测算法主要是拟合出钟差的变化趋势，算法简单，容易实现，但预测精度比较低...
【技术保护点】
一种基于改进型BP神经网络的氢原子钟钟差预测方法，其特征在于：该方法包括下述流程，步骤1：给系统参数Wij、Vij、θi、Φi及学习率η赋初值并选定传递函数形式，一般使f1＝f2可简写为f，通常选择其中W1ij为对应输入的连接权值，W2ij为对应输出单元的连接权值，f1为输入单元到隐层单元的传递函数，f2为隐层单元到输出单元的传递函数，θi为隐层单元的阈值即隐层单元输入的最小氢钟钟差值，Φi为输出单元的阈值即预测单元输出的最小氢钟钟差值；步骤2：输入训练样本数据，根据如下公式求出各个神经元的实际输出：Γ＝f(Wx‑θ) (1)其中Γ为每个神经元的实际输出的氢钟钟差值，...
【技术特征摘要】
1.一种基于改进型BP神经网络的氢原子钟钟差预测方法，其特征在于：该方法包括下述流程，步骤1：给系统参数Wij、θi、Φi、及学习率η赋初值并选定传递函数形式，使f1＝f2可简写为f，选择其中W1ij为对应输入的连接权值，W2ij为对应输出单元的连接权值，f1为输入单元到隐层单元的传递函数，f2为隐层单元到输出单元的传递函数，θi为隐层单元的阈值即隐层单元输入的最小氢钟钟差值，Φi为输出单元的阈值即预测单元输出的最小氢钟钟差值；步骤2：输入训练样本数据，根据如下公式求出各个神经元的实际输出：Γ＝f(Wx-θ)(1)其中Γ为每个神经元的实际输出的氢钟钟差值，f为神经元的传递函数，x为对应神经元输入的氢钟钟差值，W为对应的连接权值，θ为对应神经元的阈值；步骤3：根据给定的误差公式，求出系统性能误差：其中outputs为输出钟差值的单元个数，tk为输出单元的钟差期望值，Γk为输出单元的钟差实际输出值；判断钟差的预测误差或训练次数是否达到预设值，如果达到退出训练，否则进行下一步；步骤4：计算输出层每个输出单元的钟差误差项：σk＝Γk(1-Γk)(tk-Γk)(3)步骤5：计算隐层中每个单元的钟差误差项：步骤6：根据设定的学习率η，调整各层的连接权值：W(n+1)＝W(n)+ηxσk(5)步骤7：返回第二步，重复计算，不断调整各连接权值，直到输出的钟差误差到达预设值为止；步骤8：使用训练好的网络进行钟差预测；步骤9:计算钟差预测误差δ(n)＝y(n)-yr(n)(6)步骤10：修正钟差预测值yr(n)＝yr(n)+μδ(n-1)(7)其中μ为惩罚系数，步骤11：判断钟差预测值变化幅度，设置限制幅度ξ，如果|yr(n)-yr(n-1)|≥ξ(8)则最终的钟差预测值yr(n)修改为：1否则，最终的钟差预测值yr(n)保持不变；步骤12：从第二步开始重复以上步骤，直到完成预测；通过以上步骤，改进型BP神经网络即完成了针对氢钟钟差数据的预测。2.根据权利要求1所述的一...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。