灰色模型与自回归模型组合在钟差短期预报中的应用研究

研究卫星钟差预报的精度及稳定性对增强卫星导航系统的导航、授时等功能有重要作用。针对GM(1,1)模型在卫星钟差短期预报时存在的问题,引入AR模型对其预报结果进行修正,以提高钟差预报结果的精度和稳定性。实验结果表明：组合模型的预报精度较单一GM(1,1)模型有一定提高,其中铷钟的精度提高较为明显,铯钟的精度则提高较少;此外,组合模型的误差变化趋势与GM(1,1)模型相似,但稳定性相对更高。     

北斗卫星星载原子钟的短期钟差预报模型参数选取分析

高精度实时卫星钟差改正数据的获取一直是实现精密单点定位技术的关键问题.针对短期钟差预报模型参数设定对预报精度的影响,详细分析了多项式模型和灰色模型的基本原理,通过对精密星历文件中钟差数据的计算,分析阶数和已知数据个数对2种预报模型精度的影响,评估了此2种预报模型的优劣.实验结果表明:多项式模型应采用的已知点数量和阶数分别为7和2,而灰色模型的已知点数量应设为11;灰色模型总体上优于多项式模型.     

时钟校准过程中的组合钟差预报模型

时间同步技术在分布式系统中应用广泛,时钟校准是时间同步的前提。针对时间校准过程中所需的时间信号可能出现传递失效等问题,在时间校准过程中引入钟差预报技术。同时为提高钟差预报模型的预报精度,提出一种GM-BP神经网络的钟差预报组合模型,首先利用已测钟差数据建立多个不同维数的GM(1,1)钟差预报模型,并对某时段的钟差进行预报,发挥多个不同GM(1,1)模型的优点;然后利用训练好的BP神经网络对预报结果进行非线性组合,最终的预报结果为BP神经网络非线性组合后的钟差。利用衰减器模拟对流层散射信道,设计对流层散射单向时钟校准试验,利用试验过程中实测的钟差数据进行组合模型精度验证。仿真结果表明,组合模型较单一预报模型,预报误差更加平稳,精度上提高53%~95%。     

几种GPS卫星钟差预报方法比较及精度分析

精密单点定位技术在高精度的坐标框架维持、地球动力学研究及区域性或全球性的科学考察及低轨卫星定轨、海陆空间导航等动态应用方面都有不可估量的前景.但是IGS现在还不能提供实时和外推的精密卫星钟差,GPS卫星钟差仍然是实现PPP技术实时应用的瓶颈问题,制约了实时PPP技术的应用.本文分别利用二次多项式模型、灰色模型和线性模型进行了大量卫星钟差资料分析,总结了它们的优点与不足,为GPS卫星钟差预报研究提供借鉴与参考.     

随机模型在GPS卫星钟差估计中的应用

卫星钟差是影响定位精度的重要误差源之一.针对不同接收机评估其伪距观测精度,选择相应的相位观测方差,构建合理的随机模型.采用56个IGS(International GNSS Service)跟踪站观测数据解算卫星钟差,并进行定位验证.结果表明:基于该方法的钟差估计结果与传统的钟差估计方法的结果在定位精度上改进约为5％....     

基于人工鱼群优化LS-SVM的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,提出了一种基于人工鱼群(AFSA)优化最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。利用人工鱼群算法较强的全局寻优能力优化LS-SVM模型的惩罚参数和核宽度参数,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IGS产品中4颗典型卫星的钟差数据,分别采用人工鱼群优化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:人工鱼群优化LS-SVM模型的预报精度优于其它2种模型,尤其是在铷钟方面,预报误差在0.5 ns内,运行时间在5 min内。     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

基于不等间隔接收机钟差组合预报模型的辅助定位方法

在典型城市或室内应用等情况下,卫星导航信号由于被频繁遮挡变而变得微弱甚至不可用,使得传统的定位模式难以满足连续定位的要求。针对此问题,分析接收机钟差辅助定位的可行性,建立原点插值条件下使残差平方和最小的多项式钟差预报模型和改进的非等间距灰色系统钟差预报模型,并提出一种基于不等间隔接收机钟差解算值序列的动态加权组合预测模型及相应的钟差辅助定位算法。该模型通过权值的合理选取可实现单一模型的最优组合,具有更高的预测精度和稳健性。实测结果表明:该组合模型对钟差解算值序列的预测是可行和有效的;对于50 s内的短时钟差辅助定位,定位误差与连续正常定位接近,仅降低2.76%,可有效提高可见卫星不足4颗时的定位连续性。     

GPS/BDS卫星钟差融合解算模型及精度分析

为推动实时高精度定位技术的发展,文章通过构建历元差分模型,实现了对全球定位系统(Global Positioning System,GPS)与北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)精密卫星钟差的融合估计,并选取全球均匀分布的45个地面跟踪站进行仿实时钟差解算实验。结果表明:自估GPS和BDS钟差与国际全球卫星导航系统服务(International GNSS Service,IGS)事后精密钟差产品的二次差标准差分别优于0.2、0.4 ns,平均精度为0.11、0.19 ns;基于自估钟差的GPS静态和动态精密单点定位(precise point positioning,PPP)精度分别优于2、15 cm,BDS静态和动态PPP精度分别优于5、40 cm,均可满足用户dm级定位需求。     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

基于BP神经网络的全社会集装化货物运量预测

对1995—2012年全社会集装化货物运量进行了统计归纳,利用灰度关联分析法筛选指标,建立了BP神经网络预测模型,并对我国2013—2020年全社会集装化货运需求行了预测。预测结果显示,BP网络模型对历史实际值拟合效果较好,误差较小,表明其具有较高的可靠性和实用性。     

基于BP神经网络的手写数字识别系统

提出了利用BP神经网络方法来实现手写数字识别系统的方案。手写数字图像通过颅处理后,在特征提取方面采用两种适应性较强的特征提取方法,即18点特征提取方法和手写数字笔画特征提取法．不但减少了提取时间。而且提高了手写数字图像的识别率。利用Visual C＋＋编写手写数字识别系统,得到了较好的识别结果。     

基于化工过程预报的模糊聚类神经网络系统

为了解决化工预报过程中的复杂问题，利用神经网络、模糊系统和演化算法等智能控制理论，提出了模糊聚类神经网络系统模型（FCNNS）。该模型的特点是利用模糊聚类算法提取典型数据，然后将典型数据送入神经网络系统进行学习产生模糊规则。该模型缩短了规则生成的时间，有效地防止了规则数爆炸，并在化工过程预报的应用中获得理想效果。     

基于BP神经网络的入侵检测系统的特征选择

随着各种入侵和攻击网络工具的出现,入侵检测成为网络管理的关键组成部分。特征选择能够有效地提高机器学习与规则提取算法性能。本文设计了一种基于遗传神经网络的入侵检测系统,采用基于多种改进的遗传算法特征选择方法,实验结果表明不同改进的遗传算法特征选择对BP神经网络的分类正确率有一定的影响。     

基于模糊BP神经网络的抑郁症分诊系统

基于模糊逻辑和BP神经网络相结合的方式,提出了一种抑郁症的早期自动诊断方法,研究了抑郁症的分诊指标和分级标准的确定和模糊处理方法,把模糊量化的数据作为BP神经网络的输入,构建了合适的3层BP神经网络.仿真结果显示,综合运用模糊算法和BP神经网络的方法能达到优势互补的效果,构建的模糊神经网络用于抑郁症的诊断是可行的.     

基于神经网络BP算法的市场预测研究

提出了一种利用神经网络BP算法模型于发现和预测商业市场价格变化趋势的模型。文章着重论述了这一模型的设计思想和实现技术，并选择重庆房地产市场为实验研究对象，给出了用所述方法进行房地产价格预测的实验结果。     

基于小波神经网络理论的边坡位移预测

研究边坡位移混沌时间序列的预测,利用混沌系统的相空间重构理论,提出基于小波神经网络的边坡位移预测方法.通过计算表明,该方法与其它方法相比可避免误差曲面局部最小,网络节点少,参数确定较为容易,学习效率高,收敛速度快,自适应性强,精度高等优点,为边坡位移预测提供了一种可行的、新的探索途经.