径向基函数神经网络在卫星钟差预报中的应用.pdfVIP

第38卷 第2期 全 球 定 位 系 统 Vol_38，No．2 2013年 4月 GN SS W orld ofChina April，2013 径向基函数神经网络在 卫星钟差预报中的应用 雷 雨 ”，赵丹 宁 。 (1．中国科学院国家授时中心，陕西 西安 710600；2．中国科学院时间频率基准重点实验室，陕西 西安 710600； 3．中国科学院精密导航定位与定时技术重点实验室，陕西 西安 710600；4．中国科学院，北京 100049) 摘 要：卫星钟差预报在全球卫星导航 系统(GNSS)中起着重要作用。将径 向基 函数 (RBF)神经网络应用于卫星钟差预报 中。为避免 网络过学习状态的发生，充分利用有限的训 练样本数据 ，采用交叉验证法(CV)训练网络 。以GPS为例进行短期 (24h)预报 实验 ，并与灰 色系统模型进行对比分析。结果表明：交叉验证法可以明显提高网络的泛化能力，RBF神经 网络模型的预报精度 以及稳定性均优于灰 色系统模型。 关键词：径 向基 函数神经网络 ；卫星钟差 ；钟差预报；交叉验证 中图分类号：P228．4 文献标志码 ：A 文章编号 ：1008—9268(2013)02—0012-07 等首次将误差反向传播 (BP)神经网络应用于原子 0 引 言 钟钟差预报中，研究表明神经网络比AR模型的预 卫星钟差的精度直接影 响着全球卫星导航系 报精度高 ，且钟差异常值对 BP神经网络模型预报 统(GNSs)的导航定位结果 ，主要体现在以下两个 性能的影响较小；郭承军等将径向基函数 (RBF)神 方面 ：首先，卫星钟差参数通过导航电文发播 ，任意 经 网络应用于卫星钟差预报中，研究表 明：神经 网 时刻的钟差是通过外推得到的，其预报精度直接决 络 比灰色模型具有更好的预报精度和稳定性 ；王威 定了导航定位的精度口；其次 ，在实时精密单点定 等采用 RBF神经网络的变型一广义回归神经网络 位 (PPP)中，为 了达到厘米级的定位精度 ，需采用 (GRNN)对卫星钟差进行建模并预报 ，从输入维 预报钟差参与解算口]。因此，提高卫星钟差的预报 数 。光滑因子等几个方面对预报性能的影响进行 精度具有重要意义。 了较为系统的研究，结果表明 GRNN预报模型优 较常用的钟差预报模型为多项式模型和灰色 于传统的二次多项式模型。应用 RBF神经网络进 模型，许多学者对其进行 了研究，并取得 了显著的 行卫星钟差预报 ，由于神经网络易学习过度 ，从而 效果l3-4j。但这两种模型都存在一定的局限性 ：多 影响网络的泛化 (预报)能力 ，因而采用交叉验证法 项式模型的预报精度会随着预报时间的延长而降 (cV)优化 网络，并利用数值试验讨论 了该方法的 低 ]，此外 ，该方法易受多项式拟合阶数等人为因 预报精度 。 素的影响；而灰色模型对钟差数据类型有较强的依 1 RBF神经网络 赖性 ，要求钟差数据平滑且呈指数规律变化 ，限制 了其应用范围 ]。近年来 ，国内外学者又发展了多 1985年，Powell提出了多变量插值的径 向基 种钟差预报模型|6。]，其中神经网络 (NN)由于具有 函数方法 。1988年 ，Moody和Darken提出了一种 通过学习训练以任意精度逼