一种北斗卫星钟差预报方法及装置制造方法及图纸

本发明专利技术公开了一种北斗卫星钟差预报方法及装置，该方法包括：获取北斗卫星钟差预报对应的训练数据；利用第二模型构建并迭代优化第一模型的第一参数；利用训练数据和第一模型自身的训练机制对所述第一参数进行迭代优化，得到具有第二参数的第一模型，记为北斗卫星钟差预报模型；基于北斗卫星钟差预报模型进行北斗卫星钟差预报。本发明专利技术提出的预报方法有效提高了预报精度以及预报模型的稳定性。

【技术实现步骤摘要】
一种北斗卫星钟差预报方法及装置
本专利技术涉及卫星导航定位
，具体涉及一种北斗卫星钟差预报方法及装置。
技术介绍
卫星钟差在导航定位中至关重要，且1ns的时间误差，导致3dm的距离误差。因此，钟差精度的优劣严重影响定位的结果。随着导航定位的不断发展，实时定位成为研究的一个热点，而实时钟差的精度严重影响实时定位的结果。目前，获得实时钟差数据的途径有两种方式，一种是通过超快速钟差产品预报部分(IGU-P)，另一种是利用开放式实时服务(RealTimeService,RTS)，但是这两种均具有一定的局限性。IGU-P可实现实时应用，但其精度较低；RTS产品是通过大量的地面观测数据获得的，然而当通信不畅时，用户无法获得RTS数据，这些局限性严重影响到高精度定位的应用效果。因此，建立高精度钟差预报的高精度模型，以获取实时高精度钟差产品对实时精密定位尤为重要。
技术实现思路
针对上述现有技术存在的问题，本专利技术提供了一种北斗卫星钟差预报方法、装置、电子设备以及计算机可读存储介质，有效提高北斗卫星钟差预报精度，该技术方案如下：第一方面，本专利技术实施例提供了一种北斗卫星钟差预报方法，包括：获取北斗卫星钟差预报对应的训练数据；利用第二模型构建并迭代优化第一模型的第一参数；利用训练数据和第一模型自身的训练机制对所述第一参数进行迭代优化，得到具有第二参数的第一模型，记为北斗卫星钟差预报模型；基于北斗卫星钟差预报模型进行北斗卫星钟差预报。第二方面，本专利技术实施例提供了一种北斗卫星钟差预报装置，包括：训练数据单元，用于获取北斗卫星钟差预报对应的训练数据；第一参数单元，用于利用第二模型构建并迭代优化第一模型的第一参数；第二参数单元，用于利用训练数据和第一模型自身的训练机制对所述第一参数进行迭代优化，得到具有第二参数的第一模型，记为北斗卫星钟差预报模型；钟差预报单元，用于基于北斗卫星钟差预报模型进行北斗卫星钟差预报。第三方面，本专利技术实施例提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现任一项所述的北斗卫星钟差预报方法中的步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述的北斗卫星钟差预报方法中的步骤。本专利技术的一种北斗卫星钟差预报方法及装置，具备如下有益效果：本专利技术提出的BSO-BP预报方法，通过与天牛须搜索算法优化BP神经网络BAS-BP、二次多项式QP以及灰色模型GM三种预报模型进行精度和稳定性分析，BSO-BP的预报精度优于QP、GM和BAS-BP模型，在预报0.5h、1h和3h时，精度最高约提高13倍、9倍、5.9倍，最低提高50％以上。BSO-BP模型与另外三种模型相比range值最稳定，并且与BAS-BP相比，Range值有明显减小，本专利技术的北斗卫星钟差预报方法在一定程度上缓解了预报精度随预报时间增大的问题。附图说明图1是本专利技术一个实施例中北斗卫星钟差预报方法的流程示意图；图2是本专利技术一个实施例中北斗卫星钟差预报方法的流程示意图；图3是本专利技术一个实施例中北斗卫星钟差预报装置的结构示意图；图4-1和图4-2分别是一个实施例中的第一数据序列和第二数据序列的示意图；图5是实验验证过程中对于四颗卫星分别采用四种钟差预报方法的0.5h的预报残差结果示意图；图6是实验验证过程中对于四颗卫星分别采用四种钟差预报方法的1h的预报残差结果示意图；图7是实验验证过程中对于四颗卫星分别采用四种钟差预报方法的3h的预报残差结果示意图；具体实施方式下面结合本专利技术实施例中的附图对本专利技术实施例进行描述。图1示出了本专利技术实施例所提供的一种北斗卫星钟差预报方法的流程图。如图1所示，该方法包括：获取北斗卫星钟差预报对应的训练数据；利用第二模型构建并迭代优化第一模型的第一参数；利用训练数据和第一模型自身的训练机制对所述第一参数进行迭代优化，得到具有第二参数的第一模型，记为北斗卫星钟差预报模型；基于北斗卫星钟差预报模型进行北斗卫星钟差预报。针对北斗卫星钟差预报技术，随着机器学习的兴起，许多学者将与之相关的算法引入到钟差预报中，如神经网络、支持向量机、极限学习机等，这些方法都可获得优于传统模型的预报精度，本专利技术实施例中，第一模型采用机器学习技术实现，具体的采用BP神经网络，基于训练完成的第一模型进行北斗卫星钟差预报，但是考虑到BP神经网络容易陷入局部最优的局限性，并考虑BDS钟差数据的特性，在通过第一模型自身的训练机制训练模型参数之前，先通过第二模型构建第一模型的第一参数并迭代优化，获取优化的第一参数，进一步基于该第一参数进行自身的训练过程，得到训练完成的北斗卫星钟差预报模型，有效避免模型陷入局部最优以及提高卫星钟差预报精度，具体的，该第二模型基于天牛群算法实现。上述利用第二模型构建并迭代优化第一模型的第一参数之前，还包括根据网络的输入值和输出值个数确定BP神经网络的隐含层节点数，构造BP神经网络的结构，以及BP神经网络的预设超参数的设置，比如BP神经网络的损失函数和模型参数优化算法等。在一个实施例中，参见图2，上述利用第二模型构建并迭代优化第一模型的第一参数，包括：第一步，对天牛群算法的参数初始化，包括初始化步长、步须比、每个天牛的速度、位置，其中，每个天牛的位置表征第一模型的模型参数的位置信息，所述模型参数用于确定所述天牛个体对应的第一模型的一种模型参数，本实施例中模型参数包括第一模型的权重参数和偏置参数；第二步，通过适应度函数计算每个天牛的适应度值，并标记存储个体最优和群体最优；第三步，判断天牛群算法是否达到迭代停止条件，若是，则进行第五步，否则进行第四步，该迭代停止条件可以是群体最优的适应度函数值是否小于设定的阈值或者是否达到最大迭代次数；第四步，对天牛群的步长参数、每个天牛的速度、位置进行更新；第五步，基于迭代停止时的群体最优适应度函数值对应的天牛位置，获取优化后的第一模型的第一参数。在一个实施例中，上述第三步还可以为：判断天牛群算法是否达到迭代停止条件，若是，则进行第五步；若否，则判断最优的适应度函数值是否连续第一预设次数相同，该第一预设次数可以设为10，若是，则在第四步中对将天牛群的步长参数恢复为初始值，并更新每个天牛的速度、位置进行更新，否则直接进行第四步。具体来说，本实施例中利用第二模型构建并迭代优化第一模型的第一参数，包括如下步骤：(1)首先，天牛群算法的参数初始化，主要参数有天牛群中每个天牛位置X以及速度V的初始值，算法最大迭代次数n，步长step的初始值，步长与触须之间的比值c，步长的更新因子eta，适应度函数值的阈本文档来自技高网...

【技术保护点】
1.一种北斗卫星钟差预报方法，其特征在于，包括：/n获取北斗卫星钟差预报对应的训练数据；/n利用第二模型构建并迭代优化第一模型的第一参数；/n利用训练数据和第一模型自身的训练机制对所述第一参数进行迭代优化，得到具有第二参数的第一模型，记为北斗卫星钟差预报模型；/n基于北斗卫星钟差预报模型进行北斗卫星钟差预报。/n

【技术特征摘要】
1.一种北斗卫星钟差预报方法，其特征在于，包括：
获取北斗卫星钟差预报对应的训练数据；
利用第二模型构建并迭代优化第一模型的第一参数；
利用训练数据和第一模型自身的训练机制对所述第一参数进行迭代优化，得到具有第二参数的第一模型，记为北斗卫星钟差预报模型；
基于北斗卫星钟差预报模型进行北斗卫星钟差预报。


2.根据权利要求1所述的一种北斗卫星钟差预报方法，其特征在于，所述第一模型采用BP神经网络，所述第二模型基于天牛群算法实现。


3.根据权利要求2所述的一种北斗卫星钟差预报方法，其特征在于，所述利用第二模型构建并迭代优化第一模型的第一参数，包括：
第一步，对天牛群算法的参数初始化，包括初始化步长、步须比、每个天牛的速度、位置；
第二步，通过适应度函数计算每个天牛的适应度值，并标记个体最优和群体最优；
第三步，判断天牛群算法是否达到迭代停止条件，若是，则进行第五步，否则进行第四步；
第四步，对天牛群的步长参数、每个天牛的速度、位置进行更新；
第五步，基于迭代停止时的群体最优适应度函数值对应的天牛位置，获取优化后的第一模型的初始模型参数。


4.根据权利要求3所述的一种北斗卫星钟差预报方法，其特征在于，所述每个天牛的位置表征第一模型的模型参数的位置信息，所述模型参数用于确定所述天牛个体对应的第一模型的一种模型参数，所述天牛群算法的迭代停止条件包括：群体最优的适应度函数值是否小于设定的阈值或者是否达到最大迭代次数。


5.根据权利要求3所述的一种北斗卫星钟差预报方法，其特征在于，所述第三步为：
判断天牛群算法是否达到迭代停止条件，若是，则进行第五步；
若否，则判断最优的适应度函数值是否连续第一预设次数相同，若是，则在第四步中对将天牛群的步长参数恢复为初始值，并更新每个天牛的速度、位置进行更新，否则直接进行第四步。


6.根据权利要求3所述的一种北斗卫星钟差预报方法，其特征...

【专利技术属性】
技术研发人员：赵兴旺，押少帅，张翠英，陈健，刘春阳，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽;34