基于PSO-BP神经网络的平流层风场短期快速预测

摘要：

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响.研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化(PSO)算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场.以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测.研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径.

关键词：平流层风场建模、临近空间低速飞行器、BP神经网络、粒子群优化(PSO)算法、Biharmonic样条曲面插值

所属期刊栏目：48

分类号：V321.2(航空飞行术)

资助基金：国家自然科学基金;国家部委基金;国家部委基金;国防科技大学科研计划

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1970-1978