摘要
针对目前对于BDS-3钟差预报研究较少、BDS-3钟差预报模型不足的问题,提出利用粒子群算法(Particle Swarm Optimization,PSO)优化小波神经网络(Wavelet Neural Network,WNN)的BDS-3钟差预报模型,粒子群算法可以有效解决小波神经网络的权值和阈值的选择问题.该模型符合BDS-3钟差数据的特点,并且可以充分发挥粒子群算法优化的小波神经网络在非线性数据预报方面的优势.同时,利用IGS数据构建粒子群算法优化的小波神经网络BDS-3钟差预报模型,通过和GM(1,1)钟差预报模型、小波神经网络预报模型进行对比,说明了本研究的粒子群算法优化小波神经网络BDS-3预报模型具有较高的预报精度、模型稳定性更好、预报使用时间更少.由此证明,利用粒子群算法优化小波神经网络模型进行BDS-3钟差预报是具有可行性的.
维普
万方数据