一种基于遗传算法优化小波神经网络的铯喷泉钟钟与氢钟频差预估方法技术

本发明专利技术公开了一种基于遗传算法优化小波神经网络的铯喷泉钟钟与氢钟频差预估方法，属于原子时标的技术领域。本发明专利技术对铯原子喷泉钟和氢钟频差数据进行预处理，包括离群值检测和缺失数据拟补。根据频差数据的特征确定小波神经网络的输入层、隐含层、隐含层的个数及小波基的选取，为进一步提高喷泉钟数据预估的精度和预估稳定性，建立了基于遗传算法优化小波神经网络的喷泉钟数据预估模型。对喷泉钟驾驭氢钟组预估中，首次使用遗传小波神经网络进行预测，其预测精度与现行的线性预测相比大大提高，且数据更加平稳，从而提高了喷泉钟驾驭氢钟组的驾驭精度，为产生稳定度和准确度更高的TA(NIM)提供了更精确的依据。

A method for predicting the frequency difference of caesium fountain clock and hydrogen clock based on genetic algorithm optimization of wavelet neural network

The invention discloses a prediction method of cesium fountain clock and hydrogen clock frequency difference based on genetic algorithm and optimizing wavelet neural network, and belongs to the technical field of atomic time scale. The present invention preprocesses the frequency difference data of the cesium atomic fountain clock and the hydrogen clock, including the outlier detection and the missing data fitting. According to the characteristics of frequency difference data to determine the input layer, hidden layer wavelet neural network, wavelet basis and the selection of the number of hidden layer, in order to further improve the prediction accuracy and prediction data fountain clock stability, a number of fountain clock genetic algorithm based on wavelet neural network prediction model according to the. The control group estimated hydrogen clock fountain clock, the first use of genetic wavelet neural network prediction, the prediction accuracy and the linear prediction is greatly increased, and the data is more stable, so as to improve the fountain clock control group to control hydrogen clock precision, for stability and accuracy of higher TA (NIM) to provide a more accurate basis.

【技术实现步骤摘要】
一种基于遗传算法优化小波神经网络的铯喷泉钟钟与氢钟频差预估方法
本专利技术属于时间频率的
，主要是一种利用铯原子喷泉钟与氢钟频差值的历史数据通过遗传算法优化小波神经网络预估方法得到喷泉钟停运时的数据。
技术介绍
时间频率是基础科学研究中的一个重要分支，在科研、定位系统、电力系统、军事和国家安全等方面处于举足轻重的地位。为此世界各国大都建有自己的守时实验室，产生本国的原子时标，并参与国际比对。中国计量科学研究院守时实验室是国际上首次利用喷泉钟驾驭氢钟组产生地方原子时的守时实验室。自2007年开始，地方原子时以氢钟作为参考钟，通过算法产生TA(NIM)，它的频率由喷泉钟直接驾驭。由于喷泉钟运行是不连续的，中国计量科学研究院守时实验室用直线预估算法预估喷泉钟停运时的数据，使得喷泉钟可以连续的驾驭TA(NIM)。线性回归预测算法的思想是将频差数据看为一组线性序列，用最小二乘法获得一元线性的系数实现预测，方法简单，但只能预测出频差数据的变化趋势；真实数据并不是理想的直线，造成直线拟合的数据精度不够，与真实数据存在较大偏差。因此，本专利技术提出一种于遗传算法的小波神经网络预估算法，该方法将本文档来自技高网...

【技术保护点】
一种基于遗传算法优化小波神经网络的铯喷泉钟钟与氢钟频差预估方法，其特征在于：该方法的具体内容如下，第一步，通过时间间隔计数器测得铯原子喷泉钟正常运行时与氢钟的频差值；第二步，对实验室测得的铯原子喷泉钟与氢钟频差数据进行数据预处理，即离群值检测和缺失数据处理；由于原子钟系统的维护、主氢钟跳频跳相、相位微跃器是否锁定、温度、湿度都会影响原子钟的运行状态，因此得到的数据并不一定是实际的频差数据，会有一些数据点有较大的误差；通过莱特准则，对频差数据进行筛选，得到剔除数据筛选后的铯原子喷泉钟与氢钟频差数据，对剔除数据用该剔除数据的前10天和后10数据进行最小二乘法线性拟合得出该点频差数据；从而补全频差数...

【技术特征摘要】
1.一种基于遗传算法优化小波神经网络的铯喷泉钟钟与氢钟频差预估方法，其特征在于：该方法的具体内容如下，第一步，通过时间间隔计数器测得铯原子喷泉钟正常运行时与氢钟的频差值；第二步，对实验室测得的铯原子喷泉钟与氢钟频差数据进行数据预处理，即离群值检测和缺失数据处理；由于原子钟系统的维护、主氢钟跳频跳相、相位微跃器是否锁定、温度、湿度都会影响原子钟的运行状态，因此得到的数据并不一定是实际的频差数据，会有一些数据点有较大的误差；通过莱特准则，对频差数据进行筛选，得到剔除数据筛选后的铯原子喷泉钟与氢钟频差数据，对剔除数据用该剔除数据的前10天和后10数据进行最小二乘法线性拟合得出该点频差数据；从而补全频差数据；第三步，以原子钟系统为基础，建立频差数据的遗传小波神经网络模型，将铯原子喷泉钟与氢钟频差数据的历史值作为训练集，预测喷泉钟的停运时刻的频差值；第四步，评价预测方法的有效性，利用均方根误差公式：式中，ti是频差值；为预报频差值；RMS表示预测值与真实值之间的偏离程度，RMS越小表明预测性能越好，n为钟差个数，Δt表示真实值与预测频差值的差...

【专利技术属性】
技术研发人员：朱江淼，陈烨，闫迪，张月倩，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11