径向基函数神经网络在卫星钟差预报中的应用  

Application of Radial Basis Function Neural Network to Satellite Clock Error Prediction

作　　者：雷雨[1,2,3] 赵丹宁[1,4,3] 

机构地区：[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,北京100049 [4]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

出　　处：《全球定位系统》2013年第2期12-18,共7页Gnss World of China

基　　金：国家自然科学基金(批准号:10573019)

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。Predicting satellite clock error plays an important role in global navigation satellite system（GNSS）. In this paper, radial basis function （RBF） neural network （NN） is applied to the prediction of satellite clock error. In view of the defects of RBF-NN, the CrossValidation （CV） method is employed for improving the generalization ability of RBF-NN. Finally the GPS satellites are taken as an example and a short-term prediction experiment is carried out. The experiment result shows that CV method can improve generalization ability of RBF-NN obviously, and RBF-NN can remarkably improve the precision and stability of the satellite clock error prediction when compared to grey system model.

关 键 词：径向基函数神经网络 卫星钟差 钟差预报 交叉验证 

分 类 号：P228.4[天文地球—大地测量学与测量工程]