宇航学报
宇航學報
우항학보
JOURNAL OF ASTRONAUTICS
2013年
11期
1509-1515
,共7页
刘继业%陈西宏%刘强%孙际哲
劉繼業%陳西宏%劉彊%孫際哲
류계업%진서굉%류강%손제철
粒子群优化%惯性权重%学习因子%最小二乘支持向量机%卫星钟差
粒子群優化%慣性權重%學習因子%最小二乘支持嚮量機%衛星鐘差
입자군우화%관성권중%학습인자%최소이승지지향량궤%위성종차
PSO%Inertia weigh%Learning factor%LS-SVM%Satellite clock error
针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化(PSO)最小二乘支持向量机(LS-SVM)的卫星钟差预报方法.通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度.选取国际GPS服务组织(IGS)产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路.
針對導航衛星短期鐘差預報精度和穩定度不高的問題,提齣瞭一種基于改進粒子群優化(PSO)最小二乘支持嚮量機(LS-SVM)的衛星鐘差預報方法.通過引進自適應改變的慣性權重和學習因子來提高粒子群算法的尋優能力,併將其應用到LS-SVM的參數優化中,避免人為選擇參數的盲目性,提高瞭LS-SVM的汎化能力和預報精度.選取國際GPS服務組織(IGS)產品中四顆典型衛星的鐘差數據,分彆採用LS-SVM模型、神經網絡模型和灰色繫統模型進行短期鐘差預報,計算結果錶明:LS-SVM模型的預報精度優于其它兩種模型,為導航衛星短期高精度鐘差預報提供瞭新的思路.
침대도항위성단기종차예보정도화은정도불고적문제,제출료일충기우개진입자군우화(PSO)최소이승지지향량궤(LS-SVM)적위성종차예보방법.통과인진자괄응개변적관성권중화학습인자래제고입자군산법적심우능력,병장기응용도LS-SVM적삼수우화중,피면인위선택삼수적맹목성,제고료LS-SVM적범화능력화예보정도.선취국제GPS복무조직(IGS)산품중사과전형위성적종차수거,분별채용LS-SVM모형、신경망락모형화회색계통모형진행단기종차예보,계산결과표명:LS-SVM모형적예보정도우우기타량충모형,위도항위성단기고정도종차예보제공료신적사로.